中文、微博、情感分析、SVM模型实现、DNN模型实现。微博评论数据集7962条，其中包含积极和消极情感倾向。主要做法如下： 实现语言：python、tensorflow==1.12、keras==2.2.4 一是基于传统文本特征表示的稀疏性，结合当前成熟技术，设计并实现了基于Word2vec的词向量训练方法，该方法可以将词表示为具有语义关系的特征向量形式，方便模型的使用。 二是采用自然语言处理常用技术完成对文本的预处理操作，既是完成了数据的预处理过程。 三是研究并实现了SVM和DNN两个最具代表性的模型在中文情感分析领的应用，完成了大数据的数据挖掘过程。并在已有的数据集上进行了实验，由具体实验结果我们发现SVM神经网络模型取得了78.03%的F值，较DNN(88%)方法低了9%，但是其训练速度较快。

模仿腾讯新闻网站的评论页面，实现其静态布局，仅供练习参考。

作者简介 作者 QQ交流群 个人博客 项目详情请参考微信原文链接： 如有疑问可通过公众号找到作者，微信扫描下方二维码或者在微信内搜索 微信公众号：月小水长（ID:inspurer)； WeiboSuperScrapy 最强微博爬虫，用户、话题、评论一网打尽。 GUI 功能集中版 运行 GUI.py 即可爬取用户/话题微博 运行 WeiboCommentScrapy.py 并修改里面的微博id (wid) 即可爬取指定微博的所有评论。 无 GUI 功能独立版 单独的 py 文件分别对立一个 功能 WeiboCommentScrapy.py 爬取评论 WeiboTopicScrapy.py 爬取指定关键词的所有微博，突破了 50 页的限制，可指定截至日期时间段搜索（比如 20200101-20200102） WeiboSuperCommentScrapy.py 可爬取一条微博的所有评论，更

libsvm是台湾林智仁开发的支持向量机工具箱，非常有名。该资源中包含了其matlab最新版libsvm-mat-weights-3.0-1。作者利用此工具箱编写了一个多类识别的问题，对于svm的学习非常有帮助。该程序拥有良好界面，经过测试，可以放心使用。

微博评论数据集7962条，其中包含积极和消极情感倾向

机器学习项目 对亚马逊评论数据集的情感分析 .ipynb文件中包含的Python Scipts代码 项目代码文件夹中包含的数据集

jQuery评论框插入表情图片代码，一款简单实用的点击图标弹出QQ表情包选择插入表情到评论输入框代码。

selenium+python爬虫实现爬取新闻的标题，来源，以及评论等，并将爬取的内容导入txt格式文件。

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

基于Python的豆瓣图书评论数据获取与可视化分析.pdf