人工智能-项目实践-情感分析-基于朴素贝叶斯实现的豆瓣影评情感分析 语料来自与豆瓣Top250排行榜中的影评，基于Scrapy抓取，大约5w条影评，好评差评各占50%。 训练集与测试集4:1，结果准确率约为80%-79%之间。 因为电影评论中有很大一部分好评中会有负面情感的词语，例如在纪录片《海豚湾》 我觉得大部分看本片会有感的人，都不知道，中国的白暨豚已经灭绝8年了，也不会知道，长江里的江豚也仅剩1000左右了。与其感慨，咒骂日本人如何捕杀海豚，不如做些实际的事情，保护一下长江里的江豚吧，没几年，也将绝迹了。中国人做出来的事情，也不会比小日本好到哪儿去。 所以说如果将这种类似的好评去除，则可以提高准确率。

「情感极性分析」是对带有感情色彩的主观性文本进行分析、处理、归纳和推理的过程。按照处理文本的类别不同，可分为基于新闻评论的情感分析和基于产品评论的情感分析。其中，前者多用于舆情监控和信息预测，后者可帮助用户了解某一产品在大众心目中的口碑。目前常见的情感极性分析方法主要是两种：基于情感词典的方法和基于机器学习的方法。这个代码是基于情感词典的方法，代码可运行。

“通过构建辅助句子利用BERT进行情感分析”的论文代码和语料库

清华大学的中文褒贬义词典，txt格式，情感分析的基础资料。

分享课程——基于深度学习的LSTM情感分析，完整版视频课程，提供代码+数据下载。 学习完本门课程，您将对自然语言处理技术有更深入的了解，学习基于深度学习情感分析方法;课程基于PyTorch主流框架实现，其中涉及深度学习主流框架LSTM模型以及自然语言处理的词向量；彻底学习中文情感分析。 课程简介 NLP领域的热门应用，常用在舆情分析，文章分类，智能客服，情感分析等多个场景。情感分析作为自然语言处理的基础技术之一，常被用于电商评论、舆情监控、微博评论情感分析、话题监督等领域，因此深入学习情感分析技术，是作为自然语言处理从业者必备技能，本课程以案例驱动出发，结合多个项目实战案例，覆盖多种算法，如RNN，LSTM等

人工智能-项目实践-情感分析-虚拟天使--智能情感聊天机器人 虚拟天使--智能情感聊天机器人

用python实现基于情感词典的情感分析

该语料为啤酒评论数据，共150W条评论，可用于细粒度的情感分析任务当中，即aspect extraction任务当中。 由于资源大小的限制，本资源分为原始数据和处理后的数据，该文件为处理后数据。在处理后数据当中，包含相应的词嵌入模型。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025

一，概述 1，适用范围 这是一个实时的，百度外卖评论的细粒度情感分析demo。所有网址仅适用于百度外卖店铺。 2，局限与不足 这个GUI应用程序只是展示基于HMM的细粒度分析可以完成什么效果，只是一个演示，还有很多没有完善的地方，需要优化的地方。 3，相互学习 希望大家可以相互分享自己的想法，如果大家有好的算法，可以优化，改进它，希望能联系我，大家相互学习。谢谢！ 二，GUI演示 1，总体界面 2，功能详解 2.1，实时爬取 输入百度外卖店铺的一个网址地址，实时爬取店铺评论。 2.2，评论分类，有效性检测 2.3，评价对象分类 2.4，颜色标记 2.5，属性-观点对撤 2.6，有监督的学习，用户自定义 2.7，统计面板 2.7.1，店铺整体评分分布 2.7.2，商品质量评分分布 2.7.3，配送服务评分分布 2.7.4，指标评价平均指标 2.7.5，整体评价变化趋势 2.7.6，订餐终端分

nlp 短文本情感分析 微博语料库 带标记