本人机器学习课程的小作业，记录一下，希望可以帮到一些小伙伴。 项目介绍，给一段英文文本（英文影评评论）来预测情感是正向还是负向 模型使用的是LSTM+RNN。 代码包括数据处理，模型训练，对新数据做出预测，并将预测结果（正向情感）保存到result.txt中 软件：anaconda3 一.数据集介绍 数据集链接: https://pan.baidu.com/s/1oIXkaL_SL9GSN3S56ZwvWQ 提取码: qgtg 训练集labeledTrainData.tsv(24500条带标签的训练数据) id sentiment review 分别表示：每段文本的唯一ID，情感色彩类别

本系统是基于svm训练得到的分类器，代码包含了数据集的预处理和模型训练，对给定测试集进行测试，并根据已有标签计算准确度。代码内有详细注释，下载即可运行。

在Twitter的情感分析数据集 包含1,578,627条分类推文，每行标记为1表示积极情绪，0表示负面情绪。我建议使用1/10的语料库来测试你的算法，而其余的可以用来训练你用来分类情绪的任何算法

个人使用八爪鱼爬取的微博评论内容，来自2021年1月6日的一条微博，仅分享给大家做科研使用

清华大学 人工智能导论 情感分析lab

［ 目的/意义］ 旨在为解决某些特定领域的情感分析任务， 提高情感分析的精度提供参考。［ 方法/过程］采用逆向思维， 先从领域情感词典结构设计方面入手， 再以 “实体－属性－情感词” 的多元词对为主线， 逐步解决领域情感词典结构要求， 从而形成一种新的中文领域情感词典构建方法。［ 结果/结论］ 实验证明， 该词不仅能够准确判断情感词的情感极性， 还能有效的对中文文本进行情感分类。 关键词:情感分析;领域情感词典;情感词;属性;实体

百度停用词表baidu_stopwords

中文停用词表cn_stopwords

哈工大停用词表hit_stopwords

四川大学机器智能实验室停用词库scu_stopwords