「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

基于用户的协同过滤推荐算法是通过分析用户行为寻找相似用户的集合，其核心是用户兴趣模型的建立以及用户间相似度的计算。传统的用户推荐算法是根据用户评分或者物品信息等行为数据进行个性化推荐，准确率比较低。充分考虑在线评论对于用户之间兴趣相似度的作用，通过对评论的情感分析，构建准确的用户兴趣模型，若用户在评论中表现出来的相似度越高，则表示用户之间的兴趣越相似。实验表明，和传统的基于用户的协同过滤推荐算法相比，基于评论情感分析的协同过滤推荐算法，无论准确率还是召回率都有明显提高。