包括台湾大学UTSD简体中文情感词典、情感词典极其分类、情感词汇本体、汉语情感词极值表、清华大学李军中文褒贬义词典、知网Hownet情感词典、褒贬词及其近义词
2021-10-18 22:37:09
1.6MB
1
传统的微博情感分析通常会忽略不带感情色彩的情感词对微博情感的影响，并缺乏对复杂句式的分析。因此提出了一种结合条件随机场（conditional random filed，CRF）和复杂句式的跨粒度情感分析方法。该方法在CRF模型的基础上，融合复杂句式特征和语义依存特征，对学生微博进行细粒度情感分析，识别出微博文本中的情感要素。在此基础上，通过基于复杂句式的粗粒度情感分析方法分析微博文本的情感倾向，实现对学生总体情感倾向的跨粒度分析。实验结果显示，跨粒度情感分析方法的提出，使得情感要素识别的综合准确率达到了88%左右，微博情感分析的综合准确率达到了87%左右。比起传统的情感分析方法，准确率更高，分类效果更好。
2021-10-18 16:45:31
1.12MB
1
Golang中的情感简单分析，即插即用情感分析此包依赖于我在其他软件包goml中完成的工作，以进行多类文本分类。Sentiment使您可以将字符串传递到函数中并获取e语言。Golang中的情感简单分析，即插即用情感分析依靠我在其他软件包goml中所做的工作，可以实现多类文本分类。Sentiment使您可以使用非常简单的概率模型将字符串传递给函数，并获得字符串的情感估计值（英语）。
从该数据集训练模型，该数据集是按情感分类的IMDB电影评论的集合。
单个单词分类的返回值是{0,1}中的给定分数
2021-10-18 14:21:54
43.36MB
1
课堂项目
一个包含数据科学本科专业课作业的项目文件夹目前包括的课程有
一，操作系统
（四个项目） 【一个简易的shell＆三个修改minix实现内存管理和I / O子系统（ram盘管理）＆chrt调用的相关修改】
二，计算机网络
（Java多线程＆Java RPI＆最终项目）
三，专业英语
（1.蘑菇二分类BP神经网络（训练30次准确率达到100％） （2.基于PHP的小型网址文件夹（支持增删改查等基本操作））
四，概率论
卷积图像平滑模拟poker计算同花顺概率等
五，数据科学的数学基础
课程python程序（图像压缩欧式距离旋转图片谱图聚类LU分解SVD分解等）
六，计算机系统与云计算
CMU中的slab
七，数据库
寻宝小游戏（postgresql版＆mongodb版）
八，算法
1.图片PCA压缩2.基于爬山算法的抽取式文档摘要
九，统计
1.蒙特卡洛求样本偏度峰度度2.区间估计3
2021-10-17 09:53:55
58.16MB
1
使用Pytorch [WIP]进行情感分析
更新/注意：大家好，我不再使用此存储库了！ 请自行决定使用，因为我认为强烈建议您不要使用它。 实际上，这只是我在Pytorch首次推出时对其进行的测试。 由于我基本上是用TF编写代码，因此无法回答此存储库中的任何问题。 另外，大约一年多以前，我对此进行了编码。 谢谢！
在SemEval 2014上使用RNN / GRU / LSTM进行基于方面的情感分析的Pytorch示例。
目前，我们实现了基线LSTM / RNN / GRU模型，该模型在最后一个输出上具有线性层，以及基于目标的情感分析（ABSA）的依赖于目标的TD-LSTM（Tang等，2015）模型。
序列从前面填充零，以便最后一个向量不为零。 我们使用keras pad序列将它们填充在prepare脚本中。 到目前为止，没有任何东西被掩盖，我们填充到最大长度。
有两种预测模式，即
2021-10-16 18:26:34
409KB
1
36 万多条，带情感标注 新浪微博，包含 4 种情感，其中喜悦约 20 万条，愤怒、厌恶、低落各约 5 万条，文件格式为csv，第一列label标签，第二列为review文本内容
2021-10-11 23:08:38
68MB
1
传统的情感分析研究大多基于机器学习算法，此类方法依赖大量人工抽取的特征与领域知识。使用卷积神经网络自动学习文本的特征表示，进而判别文本的情感极性。为了解决情感分析中监督训练样本不足的问题，利用大规模弱监督数据来训练卷积神经网络。同时引入“预训练-微调”策略，先在弱监督数据集上对卷积神经网络进行预训练，然后使用监督数据集进行微调训练来克服弱监督数据中的噪声问题。在SemEval-2013 Twitter情感分析数据集上进行实验验证，结果表明由于引入了弱监督数据参与训练，有效增强了卷积神经网络学习情感语义的能力，从而提升了模型的准确性。
2021-10-08 14:29:18
927KB
1