CNN算法分类
1、 特征提取流程：
详细见代码cnews_loader.py。
其中定义了以下函数，即为其整体流程。主要目的就是把文本转为词向量，建立id对应，因为只有数字才能计算。
2021-07-21 19:39:34
77B
1
随着电子商务、社交媒体等信息技术的快速发展，在线评论已经成为影响消费者购买决策和产品市场销量的重要信息资源。从制造企业的视角来看，在线产品评论作为一种新的口碑形式，包含了消费者对产品的全方面评价，有助于制造企业了解消费者的需求。相比较传统的调查问卷和访谈数据，在线产品评论具有数据量大，收集成本低等优势。此外，由于来自消费者的主动分享，而非被动问答，在线评论数据能够更真实地反映消费者的需求。在线评论数据形式主要包括文本、音频、图形等。尽管数据量大，更新速度快，数据种类繁多，但它的主要作用还是体现在其真实性和价值性上。为保证数据的真实性，数据质量的评估是一个重要问题。另外，随着在线评论数据规模的不断扩大，价值稀疏问题也变得越来越重要。通过消除不重要和不相关的数据，提供有用的和有价值的数据，可以帮助企业更好地了解消费者和把握消费市场。
2021-07-21 18:05:28
80B
1
基于tensorflow的IMDB文本情感分析完整代码（包含数据和词向量可直接运行），网络结构采用双层LSTM。
2021-07-20 17:08:03
164.63MB
ABSA-PyTorch
基于方面的情感分析，PyTorch实现。
基于方面的情感分析，使用PyTorch实现。
需求
火炬> = 0.4.0
numpy的> = 1.13.3
斯克莱恩
python 3.6 / 3.7
变形金刚
要安装需求，请运行pip install -r requirements.txt 。
对于非基于BERT的模型，需要，请参阅了解更多详细信息。
用法
训练
python train.py --model_name bert_spc --dataset restaurant
所有实现的模型都列在。
有关更多训练参数，请参见 。
请参阅以获取k倍交叉验证支持。
推理
有关基于非BERT的模型和基于BERT的模型，请参考 。
提示
对于非基于BERT的模型，训练过程不是很稳定。
基于BERT的模型对小数据集上的超参数（尤其是学习率）更敏感，请参阅。
为了释放BERT的真正功能，必须对特定任务进行微调。
评论/调查
邱锡鹏等。 “自然语言处理的预训练模型：调查。” arXiv预印本arXiv：2003.08271（2020）。
张磊，王帅和刘
2021-07-20 13:10:29
1.7MB
1
利用Sentiwordnet进行文本情感分析（简）1. 简介2. 下载NLTK包和它内部的词典3. 全过程代码详解1. 导入所需包，函数2. 分词3. 计数，给予词性标签4. 计算单词得分4. 完整代码（函数形式）
1. 简介
利用python中的NLTK包对英文进行分词，得到词频，标注词性，得到单词得分，最后可再根据实际情况计算文本情感分。注：分词只能得到一个个单词，不能得到短语。（我的第一篇blog！！！）
2. 下载NLTK包和它内部的词典
使用pip下载nltk
pip install nltk
利用nltk下载词典
先在代码行输入：
import nltk
nltk.download
2021-07-18 21:45:40
135KB
1
这个做的先爬取京东海尔洗衣机评论数据数据，大约爬取了两万条数据。然后在这两万条数据里面先做数据清洗。然后在分词 做词云图。最后根据算法做出情感分析。得出结论。给出建议。总共写了8000字左右
2021-07-18 17:05:47
2.12MB
1
NLP基本任务
NLP基础演示：文本分类聚类，情感分析，文本匹配，问答系统
任务1：文本分类新闻标题分类
2021-07-17 00:05:13
32.71MB
1