论文的结论部分是整篇论文的总结和归纳，需要简明扼要地概括研究的主要内容和发现，同时也需要回答研究问题和假设。以下是结论部分的写作建议：

1.首先，简要概括研究的主要内容和发现，强调研究的重要性和贡献。

2.接着，回答研究问题和假设，总结研究结果和结论。

3.在总结中，可以提出一些研究的局限性和不足之处，并提出未来的研究方向和改进建议。

以下是一个结论部分的例子：

本研究通过对XXX进行了深入的研究，发现XXX对XXX有着显著的影响。我们的研究结果表明，XXX可以有效地提高XXX的XXX，同时也可以降低XXX的XXX。这些发现对于XXX的XXX和XXX具有重要的意义。

通过本研究，我们回答了研究问题和假设，并得出了以下结论：XXX。这些结论为XXX提供了重要的参考和指导。

然而，本研究也存在一些局限性和不足之处，例如XXX。未来的研究可以从XXX和XXX方面进行深入探究，以进一步完善和发展本研究的内容和结论。

eg1 结论

在图像情感分类的任务中，文中探究影响图像情感表达的先验信息，并提出了一个新的多层次深 度卷积神经网络框架． 该框架综合考虑全局和局部视角，并引入影响图像情感的先验信息，依次从原图、显著主体、颜色、原图局部信息和颜色局部信息等 5 个层次学习图像的情感表达． 实验结果表明，在多个影响图像情感的先验信息中，显著主体是最重要的;此外，在公开的大数量级和小数量级情感图库上，该框架的分类准确率均高于现有的传统手工特征方法和深度学习方法，其平均分类准确率比最优方法提高了 2． 8%，特别地在情感类别“厌恶”上提高了 15%，有效地突破了目前图像情感分类的瓶颈．

eg2 结束语

提出了一种基于两阶段深度网络结构的视觉情感分析方法． 该方法首先依赖提出的多模态深度单重判别性相关分析模型来映射图像和与之共现文本的深度特征到潜在空间中，在该潜在空间中迁移文本的语义特征到图像的判别性视觉特征中． 然后，进一步引入注意力网络来学习潜在空间中生成的语义增强的判别性视觉特征从而用于情感分类． 已经在 5 个真实数据集上评估了模型的有效性，且实验结果表明提出的方法优于其它仅利用视觉模态的方法和迁移学习的方法． 在未来的工作中将考虑设计更合理的注意力网络以及研究更好的特征迁移融合策略以进一步提高异构多模态特征融合的效果．

eg3 结论

受到心理学中情感感知机理的启发，本研究提出利用情感概念作为媒介来解决图像情感分析中的 主观性和模糊性问题。 首先利用知识图谱建立情感和概念之间的联系，通过图表示方法，将知识图谱中的节点嵌入到低维的语义空间中。 采用视觉语义嵌入的框架，在语义空间中对图像表示和情感进行匹配，从而学习图像特征和情感之间的关系。 此此，提出了一种多级损失函数，从标记层面以及示例层面同时对模型进行优化。 通过在多个检索指标以及分类指标上进行评估，