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

基于深度学习的情感分类和智能客服研究与实现。主要是酒店和书店的评论情感分析，可以判定积极和消极，对于消极评论，还可以判断其具体类别，比如物流不好或者服务差等等。内含项目源代码和开发文档。

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。

其余两个模型文件可重新训练

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。