DataVisualizerHack 我在#HackIllinois的骇客 动机-帮助用户在搜索时更好地理解评论。 简介-致力于分析yelp数据集中的评论，执行关键词提取，情感分析并生成词云，以更好地总结/可视化评论。 该系统的通用功能将使其可以与任何数据集一起使用。 脚步 - 您可以从下载数据集 设置并运行Elasticsearch。 处理数据集并为所需数据编制索引。 帮助程序脚本可以执行各种任务，例如-处理数据，从数据集中加载数据，关键字提取和情感分析，用于Elasticsearch批量处理的拆分数据，searchapi和flask服务器。 对于UI使用的引导程序 使用的外部API 用于高级文本分析的Alchemy API。 用户界面的引导程序。 烧瓶以RESTful方式服务请求。 ElasticSearch用于索引和搜索。 NLTK用于语言建模 输出为词云形式

微博情感分析和爬虫 微博是中国最具影响力的社交网站之一，拥有大量的中国用户。 它的功能类似于Twitter，当我爬网时，我什至发现微博程序员也使用了Twitter的一些变量名。 因此，如果您不懂中文，则可以查看此存储库的模型设计，而无需检查已爬网的内容（推文，推文主题等） 。 进行情感分析可以将用户分类为各种类别，并将相应的广告推送给他们。 我选择进行的情绪分析是将用户分为真实用户和机器人。 根据有关微博机器人检测的大多数论文，他们使用的方法是通过对用户的各种指标（关注度，粉丝数，平均推文时间等）进行逻辑回归对用户进行分类。 我认为这种方法的准确性不高，并且对于不同的测试集不稳定。 此类任务需要NLP模型的帮助，因为bot和真实人之间的最大区别是他们编写推文的行为和习惯。 请看一下这些colab笔记本： 以及 模型输入输出的结构 Input │── User information me

情感分析 爱丁堡纳皮尔大学提出的情感分析工具。 旨在了解一组电影评论是正面的还是负面的。 根据规范，该工具必须： 解码单词ID列表（使用索引中每个单词的相应ID）。 列出20种最流行的美术字和二字组。 利用决策树预测评论的情绪。

CCF_BDCI_2019_datafountain350 CCF BDCI 2019 互联网新闻情感分析 复赛top8 代码 开源方案见知乎：

主要介绍了python使用Word2Vec进行情感分析解析，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

基于神经语言模型的词向量表示技术能够从大规模的未标注文本数据集中自动学习词语的有效特征表 示，已经在许多自然语言处理任务及研究中取得重要进展．微博中的表情符号是微博情感分析最重要的特征之一， 已有大量的研究工作在探索有效地利用表情符号来提升微博情感分类效果．借助词向量表示技术，为常用表情符 号构建情感空间的特征表示矩阵ＲＥ；基于向量的语义合成计算原理，通过矩阵ＲＥ 与词向量的乘积运算完成词义 到情感空间的映射；接着输入到一个ＭＣＮＮ（Ｍｕｌｔｉ－ｃｈａｎｎｅｌ　Ｃｏｎｖｏｌｕｔｉｏｎ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）模型，学习一个微博的情 感分类器．整个模型称为ＥＭＣＮＮ（Ｅｍｏｔｉｏｎ－ｓｅｍａｎｔｉｃｓ　ｅｎｈａｎｃｅｄ　ＭＣＮＮ），将基于表情符号的情感空间映射与深度 学习模型ＭＣＮＮ结合，有效增强了ＭＣＮＮ捕捉情感语义的能力．ＥＭＣＮＮ模型在ＮＬＰＣＣ微博情感评测数据集上 的多个情感分类实验中取得最佳分类性能，并在所有性能指标上超过目前已知文献中的最好分类效果．在取得以 上分类性能提升的同时，ＥＭＣＮＮ相对ＭＣＮＮ的训练耗时在主客观分类时减少了３６．１５％，在情感７分类时减少 了３３．８２％．

中文 八分类 贝叶斯 训练文件为ysr.py 可以生成两个模型并保存 测试文件为test.ipynb 偷个懒在notebook上写的 代码很好懂，写的也很简单，随便拿去改~

barrageAnalysisCN 中文弹幕情感分析 CMD Record python logProcess.py server.log | grep -v '[empty] line' > barrage.temp python segment.py > seg.temp yeal刘洋,git账号：xxyliuyang eric徐沛阳，github账号：peiyangxu

程序为Python代码编写，本人为程序配置了详细的博客解析，详见http://blog.csdn.net/bcj296050240/article/details/46686797

语音情感分析器：神经网络模型能够从音频语音中检测出五种不同的男女情感。 （深度学习，NLP，Python）