豆瓣影评数据，21000多条，包括movie_name, user_name, score, comment, date等字段，只需简单处理就可使用。
2021-03-08 13:06:37
5.59MB
1
语料库的数据还是很多的，全部训练完后你的情感分析精度能提升很多。推荐下载。内含正负向语料库。总体来说价值还是挺高的
2021-03-07 21:23:03
6.42MB
1
在云上进行情感分析的全面评估
Ashwin Nalwade，陈名喜。
科技栈
应用程序和数据：Python，Flask，Gunicorn，CSS，spaCy，PyTorch，Pandas，HuggingFace。
云：Paperspace的Google Cloud Platform（GCP），IBM Cloud，Gradient Cloud。
容器：Docker [Docker Hub]，Kubernetes，Google Kubernetes Engine。
跨平台比较
我们在3个不同的云平台上测试了不同的方法，并通过在GPU上运行时使用探查器来分析训练时间[历时平均值]，准确性和内存利用率[峰值]。
GPU详细信息[Colab Pro]
Fri Nov 27 20:47:34 2020
+----------------------------------------------
2021-03-07 15:22:30
27.97MB
1
台湾大学的情感词典，有正负面情感词，可以用于二元情感分类任务当中，该词典为简体的情感极性词典，共包含2812个正向情感词和8278个负向情感词。
2021-03-06 19:50:08
87KB
1
一、 使用微博应用获取微博文本，代码地址
二、 SVM初步分类(svm_temp.py)
三、 利用贝叶斯定理进行情感分析
四、 利用AdaBoost加强分类器
2021-03-06 11:03:54
6.25MB
该文档内有已经总结好的所有常见停用词，适用于数据分析、数据挖掘方面，尤其是分析用户情感、拆分用户评论、商品评价等方面，对于去除数据的冗余性有很大的作用，可与jieba库一起使用
2021-03-05 12:27:47
15KB
1
AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用
AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用
AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用
2021-03-03 08:41:34
67.21MB
1
深度发送
项目描述
该项目将基于唤醒价情感模型（又称为）分析用户上传的音乐文件。 唤醒代表音乐对人耳的强烈或“刺激性”，从平淡而放松的感觉到强烈而令人振奋的感觉。 此处的价表示音乐听起来多么令人愉悦或多么悲伤。 这个定义比定义要窄，但是对于机器学习模型来说更容易分类。 此外，该项目还实现了节奏检测和音乐流派检测的功能。 Web框架： ， 涉及技能：HTML，CSS，javascript，python
放大细节
节奏，唤醒和化合价检测：音乐原始数据的中间50％被分为5秒帧，步长为0.5秒。 然后将每个帧分成较小的25ms子帧，然后将其转换为MFCC（梅尔频率倒谱系数）阵列。 最后，将最初为矩
2021-03-01 21:34:13
24.69MB
1