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
2022-02-05 09:14:44 856.54MB mysql 歌单评论 情感分析 数据挖掘
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
2022-01-07 16:38:39 83.39MB 情感分类 CNN 深度学习 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
2021-11-10 16:07:48 50.39MB 细粒度感情分
1
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
2021-10-22 13:31:36 1.29MB Python
1
微博情感分析语料集,适用于做NLP情感分析
2021-09-28 17:08:43 2.46MB 微博情感分析语料集 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!
2021-09-19 20:55:28 409KB 情感分析 英文评论
1
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。
2021-09-16 21:01:53 51.58MB kaggle 电影评论 情感分析 数据集
1
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
2021-09-15 21:43:14 592KB 系统开源
1
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
2021-09-15 19:09:12 24.69MB 数据集
1