zencart评论csv批量导入插件,1.39,1.5版本均支持。

共22000条酒店评论情感分析语料，包括pos积极语料，neg消极语料。

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。

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。

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

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

详细介绍了如何用R语言进行爬虫，压缩包中有各种注意事项，包含R语言代码

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。

在30W的宾馆评论中，采用TF-IDF、CHI、SO-PMI等方法结合生成的面向评估评论领域的情感词典，示例如下： 周到 0.948878175759748 舒适 0.874236510936017 安静 0.870575044228372 热情 0.816626757038265 漂亮 0.806685156128692 不错 0.793740488482497 整洁 0.791215975691775 温馨 0.760592322762457 美 0.748611137335654 方便 0.731102822326942

“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