内含微博评论数据集两个，一个是训练集，一个是测试集。

基于多路层次聚类的商品评论数据概念分类构建.pdf

对应https://gist.github.com/kunalj101/ad1d9c58d338e20d09ff26bcc06c4235

使用python爬取音乐网站数据，并将数据存入csv文件中。使用前请务必查看说明文档 #资源达人分享计划#

该资料为酒店的网上评论数据集，分为正负两个数据集，各2000篇。

这个做的先爬取京东海尔洗衣机评论数据数据，大约爬取了两万条数据。然后在这两万条数据里面先做数据清洗。然后在分词 做词云图。最后根据算法做出情感分析。得出结论。给出建议。总共写了8000字左右

在线评论数据挖掘视角下的产品改良设计研究.pdf

基于谭松波老师的酒店评论数据集的中文文本情感分析，二分类问题 数据集标签有pos和neg，分别2000条txt文本 选择RNN、LSTM和Bi-LSTM作为模型，借助Keras搭建训练 主要工具包版本为TensorFlow 2.0.0、Keras 2.3.1和Python 3.6.2 在测试集上可稳定达到92%的准确率

文档为基于美团、携程、途牛、同城等几个APP上对于海南景区的评价xlsx、sql格式文件，其中包含海南各大景区的评价，内容丰富，适合模型训练、语料归纳、数据分类等训练检测用。下载方便。

基于餐饮评论数据的情感分析（主要涉及到短文分类，分别使用朴素贝叶斯、支持向量机、Xgboost 进行情感值的二分类） 本文主要通过情感分析来挖掘评论中有价值的信息。 获取所研究数据，即大众点评餐饮评论数据，通过分词去除停用词、词性标注等操作进行数据预处理，然后通过机器学习的方法来分析餐饮评论的情感极性，来进一步挖掘评论中有价值的信息。 使用python的结巴分词工具对中文文本进行分词。可用TF-IDF、词袋方法提取文本数据的特征。然后使用机器学习的方法进行文本分类，可以运用朴素贝叶斯（NB）、支持向量机（SVM）、随机森林等算法。查询了资料，考虑了速度、容错性、变量筛选能力、共性容忍度等因素，初步设想选用SVM算法。 ===》SVM算法优于NB 优于随机森林