similarity：相似度计算工具包，java编写。用于词语、短语、句子、词法分析、情感分析、语义分析等相关的相似度计算。
2021-11-16 17:04:27
4.77MB
1
深度学习情感分析
多模态情感分析的深度学习
2021-11-14 22:45:06
6.35MB
1
情感分析是文本分析的一种，它能够从一段文本描述中理解文本的感情色彩，是褒义、贬义还是中性。常见的情感分析的使用场景就是客户对商品或服务的评价、反馈，传统模式下的人工审核，不仅消耗大量人力，而且效率（速度和准确度）也不高。
这里使用Python对电影《哪吒之魔童降世》的评论进行文本分析，这种分析方式还可用于垃圾邮件的过滤、新闻的分类等场景。
分析步骤：
1、对文本数据进行预处理，包括文本缺失值重复值处理、分词、去除停用词、文本向量化。
2、描述性统计分析，统计词频、生成词云图。
3、验证性统计分析，通过方差分析进行特征选择。
4、统计建模，根据文本向量进行文本分类。
目
2021-11-13 23:26:19
793KB
1
资源包含SemEval-14 Restaurant、SemEval-14 Laptop、SemEval-15 Restaurant等50多种中英文常用情感分析数据集
2021-11-11 16:13:34
5.3MB
1
0.快速开始
挑战杯项目：金融文本情感分析模型|| 挑战杯项目：财务文本情感分析模型
金融领域短文本情感分析
配置要求： python 3.x
1.使用方法
1.0下载
sudo git clone https://github.com/AsuraDong/news-emotion.git news_emotion
mv -R ./news_emotion/ 你的程序路径/
1.1文件结构
clean_data / # 清洗数据
__init__ . py
clean_html . py # 清洗网页标签
langconv . py # 简体和繁体转化
zh_w
2021-11-11 15:02:35
3.6MB
1
使用PyTorch进行情感分析
存储库将引导您完成构建完整的情感分析模型的过程，该模型将能够预测给定评论的极性（无论表达的观点是肯定的还是负面的）。 要在其上训练模型的数据集是流行的IMDb电影评论数据集。
目录
第一个笔记本涵盖了从原始数据集中加载数据，特征提取和分析，文本预处理以及训练/验证/测试集准备的过程。
第二篇教程包含有关如何设置词汇对象的说明，该对象将负责以下任务：
创建数据集的词汇表。
根据稀有词出现和句子长度过滤数据集。
将单词映射到其数字表示形式（word2index）和反向（index2word）。
启用预训练词向量的使用。
此外，我们将构建BatchItera
2021-11-10 23:19:20
3.29MB
1
共包含6大类20个细粒度要素的情感倾向.数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。每个细粒度要素的情感倾向有四种状态：正向、中性、负向、未提及
2021-11-10 16:07:48
50.39MB
1
股票市场预测Web应用程序使用机器学习
基于机器学习和推特情感分析（代码中包含的API密钥）的股市预测Web应用程序。 Web App的前端基于Flask和Wordpress 。 该应用程序根据用户的输入预测纳斯达克或NSE下任何给定股票的未来7天的股价。 使用三种算法进行预测： ARIMA，LSTM，线性回归。 该网络应用程序将未来7天的预测价格与推文的情绪分析相结合，以给出建议价格是上涨还是下跌
注意
由于超出了Github LFS的配额，Wordpress文件已从存储库中移出。 现在从下载
屏幕截图
在屏幕截图文件夹中查找更多屏幕截图，或
文件和目录结构
screenshots -
2021-11-10 15:03:48
7.92MB
1
基于深度学习的方面情感分析是自然语言处理的热点之一。针对方面情感，提出基于方面情感分析的深度分层注意力网络模型。该模型通过区域卷积神经网络保留文本局部特征和不同句子时序关系，利用改进的分层长短期记忆网络（LSTM）获取句子内部和句子间的情感特征。其中，针对LSTM添加了特定方面信息，并设计了一个动态控制链，改进了传统的LSTM。在SemEval 2014的两个数据集和Twitter数据集上进行对比实验得出，相比传统模型，提出的模型的情感分类准确率提高了3%左右。
2021-11-10 11:45:01
1.64MB
1
分类：工作职场（14）、婚姻家庭（196）、口述情感（209）、糗事一箩筐（3）、童年记忆（22）、心事隐私（253）。
2021-11-09 18:10:19
224KB
1