A股上市公司媒体正面报道、中性报道和负面报道数据1994-2017.正面为1，中性为0，负面为-1，报道来自各大媒体。可用于财经信息情感分析。

机器 GeForce RTX 280 环境 python 3.6.12 pytorch 1.6.0 中文数据集 ChineseNlpCorpus中属于情感/观点/评论倾向性分析的微博评论数据集weibo_senti_100k 该数据集包含119988条带情感标注的新浪微博评论数据，其中正向评论占59993条，负向评论占59995条 类别：negative，positive 数据集划分： 数据集 数据量 训练集 95990 验证集 11999 测试集 11999 效果 模型 acc 备注 bert 97.78% 单纯的bert bert_BiLSTM 97.93% bert + BiLSTM bert_DPCNN 97.87% bert + DPCNN bert_BiLSTM_Att 98.42% bert + BiLSTM + Attention 预训练语言模型 bert模型放在 bert

包括三个文件： 1. pytorch_model.bin 2. config.json 3. vocab.txt

bert中文预处理模型，放在bert_pretrain文件下，包括三个文件： 1. pytorch_model.bin 2. bert_config.json 3. vocab.txt

适合学习自然语言的入门者，内部含数据集

BERT手把手实现分类任务-Pytorch

预训练语言模型，可用于文本分类等NLP任务，序列标注任务，情感分析任务，采用业界通用的技术实现，接下游文本分类，序列标注，情感分析等任务，性能良好

bert文本分类 代码+数据bert文本分类 代码+数据bert文本分类 代码+数据

使用keras-bert实现 谭松波 酒店评论 文本分类（情感分析）-附件资源

1 介绍 BERT(Bidirectional Encoder Representation from Transformers)是2018年10月由Google AI研究院提出的一种预训练模型，该模