改进的基于SVM决策树的多分类算法，刘靖雯，王小捷，标准的SVM是针对两类的分类问题，如何将两类问题推广到多类问题上，是目前研究的一个热点。本文提出了一种改进的基于SVM决策树的多

完整的spaCy管道和科学/生物医学文档模型

icwb2-data.zip的资源

作为自然语言处理领域的经典研究方向之一, 特定目标情感分析的任务是根据句子上下文语境判别特定目标的情感极性, 而提升该任务表现的重点在于如何更好地挖掘特定目标和句子上下文的语义表示. 本文提出融合短语特征的多注意力网络(Phrase-Enabled Multi-Attention Network, PEMAN), 通过引入短语级别语义特征, 构建多粒度特征融合的多注意力网络, 有效提高模型的表达能力. 在SemEval2014 Task4 Laptop、Restaurant数据集上的实验结果表明, 与基准模型相比, 本文提出的PEMAN模型在准确率上有一定提升.

用贝叶斯进行分词，有结果文档。课业作业 很全面~~~~~~

python 自然语言处理 这本书的pdf版本，有需要的同学可以下载

nlp 自然语言处理项目 1- Sentiment_analysis：该项目的目标是实现完整的情感分类器。 2-变形金刚：该项目的目的是对变形金刚有一个完整的了解，并在不同的任务（例如：问题与答案，总结，翻译）中实施其中的某些变形金刚（例如T5）。 我们还必须创建一些交叉注意的可视化效果，以使算法模式更加合理。

论文题目：Adversarial Multi-task Learning for Text Classification 作者：Pengfei Liu, Xipeng Qiu and Xuanjing Huang 出处：ACL 2017 论文主要相关：多任务学习、文本分类、情感分析 概要：常规的多任务学习通常单纯的共享某些参数，导致共用特征空间和私有特征空间中存在大量冗余的特征。作者提出了一种对抗性多任务学习框架，缓解了共享特征空间和特定任务特征空间（私有潜在特征空间）之间的相互干扰的问题，并采用对抗学习确保共用特征空间中仅存在共用特征和任务无关的特征，辅以正交约束来去除私有和共用特征空间中冗余的特征。在16个任务的情感分析测试中，该框架比单任务学习平均效果提升了4.1%，比其他多任务学习框架（FS-MTL、 SP-MTL等）效果更好。并且实验结果表明模型的共享特征学习到的知识，容易被迁移到新任务的情感分析中。

一个简单的新闻语料库，包含5个类别，每个类别500篇文档。

皮尔逊的相关性系数代码。方便计算两者的相关性。里面有运行文件和对应的说明。直接在环境下可以运行。欢迎下载，欢迎好评。