基于LSTM+CNN的自然语言处理，基于单维LSTM、多维LSTM时序预测算法和多元线性回归算法的预测模型.zip

# 毕业设计 ## 技术概要 这是我第一次学习深度学习，使用的技术有： * 深度学习算法：自然语言处理(CNN+LSTM)、LSTM时间序列预测(单特征、多特征)、多元线性回归 * 算法库：Tensorflow1.14、sklearn * 数据库：Mysql5.7、COS * 服务器：腾讯CVM(CentOS7.2) * Web框架：Servlet、Ajax * 前端技术：echarts、SVG、ecStat、jQuery、bootstrap * 前端样式：标签云(支持拖拽)、表格(SVG画图)、地图(支持悬浮事件)、折线图和散点图(支持左右拖拽)、卡片窗口(系列特效)等 ## 使用说明 1. 自然语言处理算法与以下时序预测等算法相独立，不会对其它算法产生影响。运行顺序code/NLP/Easy_Lstm_Cnn-master目录下Training.py、Predict_finally.py。 2. 先运行code/time-series-prediction/目录下所有命名以处理_开头的文件，顺序无关，这个文件是用来处理数据(包括：爬取全球酒类前100强、制作各省白酒商用量Json文件等)； 3. 运行code/time-series-prediction/目录下“/规律_相关系数.py”程序之后，再运行“/规律_非量化因素_政策.py”。这两个程序会将分析后的结果上传至云端Mysql(必须两个都运行，因为其中一个程序在向数据库写入数据前有清表操作)； 4. 运行/New_LSTM/预测_未来3年白酒产量.py，这个文件包括了上述的3种算法模型，运行时会全部执行并将结果上传云端。 5. 后台代码按顺序执行完后，方可运行/code/Liquor-culture/目录下index.html