Textual Emotion Classification Using Deep Broad Learning (eBook)
XV, 155 Seiten
Springer-Verlag
978-3-031-67718-2 (ISBN)
In this book, the authors systematically and comprehensively discuss textual emotion classification by using deep broad learning. Since broad learning possesses certain advantages such as simple network structure, short training time and strong generalization ability, it is a new and promising framework for textual emotion classification in artificial intelligence. As a result, how to combine deep and broad learning has become a new trend of textual emotion classification, a booming topic in both academia and industry.
For a better understanding, both quantitative and qualitative results are present in figures, tables, or other suitable formats to give the readers the broad picture of this topic along with unique insights of common sense and technical details, and to pave a solid ground for their forthcoming research or industry applications. In a progressive manner, the readers will gain exclusive knowledge in textual emotion classification using deep broad learning and be inspired to further investigate this underexplored domain.
With no other similar book existing in the literature, the authors aim to make the book self-contained for newcomers, only a few prerequisites being expected from the readers. The book is meant as a reference for senior undergraduates, postgraduates, scientists and researchers interested to have a quick idea of the foundations and research progress of security and privacy in federated learning, and it can equally well be used as a textbook by lecturers, tutors, and undergraduates.
Erscheint lt. Verlag | 27.9.2024 |
---|---|
Reihe/Serie | Socio-Affective Computing |
Zusatzinfo | XV, 155 p. 46 illus., 45 illus. in color. |
Sprache | englisch |
Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
Mathematik / Informatik ► Mathematik ► Statistik | |
Schlagworte | Bert • Broad Learning • Cascading Broad Learning • Context Encoding • Deep learning • domain adaptation • Dual Broad Learning • emotion classification • Neural networks • Rational Graph Attention Network • sentiment analysis • social network analysis • Textual Conversations • Textual Emotion |
ISBN-10 | 3-031-67718-8 / 3031677188 |
ISBN-13 | 978-3-031-67718-2 / 9783031677182 |
Haben Sie eine Frage zum Produkt? |
Größe: 7,2 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich