1、使用HTTP普通身份验证
2、实现功能：登录,微博首页微博列表,发布,转发,评论,收藏
3、使用BackgroundWorker实现微博列表翻页异步加载，微博列表获取的JSON格式的数据并进行反序列化
4、内置网络收集到的21种皮肤
5、供有兴趣的朋友参考（参考价值专用）
6、转载请注明出处
2019-12-21 20:18:22
4.91MB
1
NLPIR分词工具由中科院开发，其支持用户自定义词典。这是在做商品评论情感分析时整理的2019个自定义词汇。
2019-12-21 20:14:47
23KB
1
语料规模为10000篇。语料从携程网上自动采集，并经过整理而成。为了方便起见，语料被整理成4个子集: 1.ChnSentiCorp-Htl-ba-2000: 平衡语料，正负类各1000篇。 2.ChnSentiCorp-Htl-ba-4000: 平衡语料，正负类各2000篇。 3.ChnSentiCorp-Htl-ba-6000: 平衡语料，正负类各3000篇。 4.ChnSentiCorp-Htl-unba-10000: 非平衡语料，正类为7000篇。
2019-12-21 20:13:34
9.88MB
1
是一个关于小米产品的评论的情感分类代码，词向量构建使用word2vec,使用svm,logistic回归，神经网络，knn，决策树等不同方法进行分类
2019-12-21 20:13:21
8.37MB
1
数据概览：10 个类别，共 6 万多条评论数据，正、负向评论各约 3 万条，
包括书籍、平板、手机、水果、洗发水、热水器、蒙牛、衣服、计算机、酒店
2019-12-21 20:11:47
10.78MB
1
在线评论的细粒度情感分析对于深刻理解商家和用户、挖掘用户情感等方面有至关重要的价值，并且在互联网行业有极其广泛的应用，主要用于个性化推荐、智能搜索、产品反馈、业务安全等。本次比赛我们提供了一个高质量的海量数据集，共包含6大类20个细粒度要素的情感倾向。参赛人员需根据标注的细粒度要素的情感倾向建立算法，对用户评论进行情感挖掘，组委将通过计算参赛者提交预测值和场景真实值之间的误差确定预测正确率，评估所提交的预测算法。
2019-12-21 20:10:57
67.23MB
1