提供mysql文件 860多M 数据内容包括 1.歌曲/歌单名称 2.评论点赞数 3.评论内容 4.评论时间 5.评论用户

得益于互联网技术的快速发展，情感分析/分类技术近来也受到了大量的关注。情感分析已经成长为自然语言处理（NLP）中最活跃的研究领域之一，而情感分类是众多情感分析任务中必不可少的一环。本文使用文本分类中经典的TextCNN模型，对给定的中文电影评论进行情感分类。通过设计合理的网络结构，并使用pytorch进行实现，取得较为不错的效果。 关键词：情感分类 TextCNN pytorch

此文件为中国科学院大学深度学习课程实验作业整体整理出来的，包括1、中国科学院大学深度学习课程实验作业——电影评论情感分类（代码+实验报告）2、中国科学院大学深度学习课程实验作业——自动写诗（代码+实验报告）

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

介绍 电影情感分类实验 安装 要训​​练您的 word2vec 算法，请执行 (machinelearning)JOSEPH-MISITI:kaggle-movie-reviews josephmisiti$ python train_word2vec.py Starting training using file data/text8 Vocab size: 71291 Words in train file: 16718843 有关使用 word2vec 的更多示例，请转到此处并查看此 iPython 笔记本： 构建你的功能 以下命令构建每个电影评论的段落/句子向量（无论如何都要淡化）。 python process_features.py > data/word2vec_pos_neg.csv 笔记本 我的 Kaggle 电影情绪代码

微博情感分析语料集，适用于做NLP情感分析

英文情感分析语料库，包含积极消极两个方面的评价，用于神经网络模型深度学习方面，为需要训练集的同学们提供优质的英文评论数据集，仅供科研学习之用，欢迎下载使用！

kaggle 电影评论文本情感分析（Bag of Words Meets Bags of Popcorn）数据集，和官方的一致。

smote的matlab代码 JD Comment_emotional analysis 京东评论文本挖掘（产品口碑分析） 一、文本挖掘方向及基本思路 文本挖掘方向： 用于分析京东用户对手机的观点、态度、情绪、立场以及其他主观感情的技术。 文本挖掘基本思路： 1、探索性分析：观测数据信息（含数据字段、数据缺失情况、样本分布情况等） 2、数据预处理：包括去除无效标签、编码转换、文档切分、基本纠错、去除空白、大小写统一、去标点符号、去停用词、保留特殊字符等。 3、文本分词及特征提取：jieba中文文本分词模型、文本特征转化未向量空间模型、海量稀疏特征做特征提取。 4、分类建模和效果评估：选择特定分类模型，建立模型并作效果评估和结论分析。 二、探索性分析 1、查看原始数据前4条数据情况 2、查看数据集记录数、维度、数据类型情况 数据集大小21*3637，时间字段为数值型需转化为日期型 3、文本评分分布情况 4、评论发布时间分布情况 5、评论长度与评分关系情况 三、文本预处理 1、中文分词：著名的nltk包对分词有良好的效果，劣势在于对中文不友好。对此选用jieba包进行处理。这里我们把文本通

本数据集包括52 万件商品，1100 多个类目，142 万用户，720 万条评论/评分数据