淘宝商品评价及新闻评论情感倾向分析，使用了python来实现。模型包括RNN和CNN

分中英文，分别包括程度级别词语，负面评价词语，负面情感词语，正面评价词语，正面情感词语，主张词语。

在30W的宾馆评论中，采用TF-IDF、CHI、SO-PMI等方法结合生成的面向评估评论领域的情感词典，示例如下： 周到 0.948878175759748 舒适 0.874236510936017 安静 0.870575044228372 热情 0.816626757038265 漂亮 0.806685156128692 不错 0.793740488482497 整洁 0.791215975691775 温馨 0.760592322762457 美 0.748611137335654 方便 0.731102822326942

短文本情感分析语料,某外卖平台收集的用户评价,正负各8000条,共16000条

用于文本情感分析的情感词典集，可以用作电商评论文本分析。

已经标注好的情感分类语料库，一共两万多条，可进行下载练习。