说明 微博二分类语料，共有10+万

基于BERT的多语言文本情感分析 介绍 社交媒体广泛用于现代人的交流中，推特在英语国家中广泛用于表达情感。 微博在中国被广泛用作同一工具。 他们两个都通过几段文字表达了情感。 有必要设计一种可以对多种语言进行情感分类的系统。 对文本进行情感分类的困难如下。 首先，具有讽刺意味的是，例如交通警察因未付停车费而将他的驾照吊销了。 其次，在与域相关的问题中，例如，我的计算机的冷却系统声音非常大，这是负面的。 可以肯定地说我家的声音很大。 第三，网络流行词也将影响情绪分析，意义在标记化后将完全改变。 为了避免副作用，必须添加人工干预。 第四，文本相对简短，有时会有所遗漏，所有这些都会导致歧义或参考错误。 传统的将统计和规则结合起来的方法不能很好地解决这些难题。 深度学习强大的特征提取能力可以很好地解决这些问题。 Google在2018年10月提出了Bert模型[1]。 该模型不仅集成了LSTM

8000多条酒店评论文本和词向量模型

基于酒店评论的文本情感分析-附件资源

基于TensorFlow的中文文本情感分析完整项目，提供环境配置信息、保姆级注释，新手小白也可搭建。

数据包含四种情感类型的文本文件及中文停词文本

TOP250豆瓣电影短评：Scrapy 爬虫 数据清理/分析 构建中文文本情感分析模型

文本情感分析作为NLP的常见任务，具有很高的实际应用价值。本文将采用LSTM模型，训练一个能够识别文本postive, neutral, negative三种情感的分类器。

基于评论文本情感分析的产品扩散建模与仿真，黄逸雨，江资斌，在线评论信息包含用户主观情感、购物体验等多重信息，可为企业产品改善与创新提供参考依据。本文构建基于文本评论挖掘数据的巴斯

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