关于酒店评论文本挖掘的全部课程设计报告，含python源代码，包括情感极性分类（SVM），python爬虫酒店评论，LDA主题模型聚类和评论中的关联性分析（运行代码请见主页中对应的资料包）

介绍了情感分析中情感特征提取的难点，提出了利用模糊理论和语义模糊化对提取的特征词进行扩充，建立模糊情感语料库，通过与基于句法分析的词性选取的特征词组成的情感特征词典作对比实验，说明模糊理论适合用于网络新闻评论中情感特征词库的提取和扩充．

评论情感分类训练数据集，已完成清洗标注，分成四类，csv格式文档，二十万条数据清洗而成： 0：喜悦 1：愤怒 2：厌恶 3：低落

基于SVM的产品评论属性特征的情感倾向分析，本文是对手机产品的评论做情感分析

本资源是爬取自淘宝牛肉干商品的评论数据。包括差评数据集和好评数据集，其中差评数据集最难集成，现在淘宝基本都是好评几万条，差评只要几条，所以想凑齐一个数据集比较难，所以本数据集爬取了好几款商品凑出来的。可以用于淘宝评论的情感分析使用。

AI Challenger 全球AI挑战赛”是面向全球人工智能人才的开源数据集和编程竞赛平台，致力于满足AI人才成长对高质量丰富数据集的需求，推动AI在科研与商业领域结合来解决真实世界的问题。AI Challenger以服务、培养AI人才为使命，打造良性可持续的AI科研与应用新生态。2017年首届大赛发布了千万量级的数据集、一系列兼具学术与产业意义的竞赛、超过200万人民币的奖金，吸引了来自全球65个国家的8892支团队参赛，成为目前国内规模最大的科研数据集平台、以及最大的非商业化竞赛平台。AI Challenger 2018带来十余个全新的数据集与竞赛，以及超过300万人民币的奖金，“用AI挑战真实世界的问题

微博用户评论情感分析python代码，完整的可运行的，（数据规模20w）微博用户评论情感分析python代码，完整的可运行的

xls格式，评论情感分析的数据集，比较小的数据集，很适合用来验证模型，进行实验。

完整可运行的python代码。 数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等， 每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。

imdb.npz 电影评论数据集 当我们按照教程书籍里面的代码试验时，往往会出现数据集下载失败的问题. 执行 (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) 出现Downloading data from https://s3.amazonaws.com/text-datasets/imdb.npz，网络连接失败。 此时，将下载好的imdb.npz文件放在主目录下的 .keras/datasets文件夹下即可。