基于BERT的多语言文本情感分析-源码

上传者: 42109598 | 上传时间: 2021-05-13 20:15:44 | 文件大小: 9.26MB | 文件类型: ZIP
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

文件下载

资源详情

[{"title":"( 20 个子文件 9.26MB ) 基于BERT的多语言文本情感分析-源码","children":[{"title":"Multilingual-text-emotion-analysis-based-on-BERT-main","children":[{"title":"images","children":[{"title":"Fig 2 submission results of experiment on kaggle.png <span style='color:#111;'> 27.52KB </span>","children":null,"spread":false},{"title":"1 <span style='color:#111;'> 1B </span>","children":null,"spread":false},{"title":"The relationship between BERT, Word2VEC, GPT, and ELMO.PNG <span style='color:#111;'> 136.56KB </span>","children":null,"spread":false}],"spread":true},{"title":"src","children":[{"title":"data_stat.py <span style='color:#111;'> 967B </span>","children":null,"spread":false},{"title":"preprocess.py <span style='color:#111;'> 1.27KB </span>","children":null,"spread":false},{"title":"baseline.py <span style='color:#111;'> 4.38KB </span>","children":null,"spread":false},{"title":"sentiment_beta.py <span style='color:#111;'> 17.08KB </span>","children":null,"spread":false},{"title":"run_sentiment.sh <span style='color:#111;'> 441B </span>","children":null,"spread":false},{"title":"sentiment.py <span style='color:#111;'> 18.06KB </span>","children":null,"spread":false},{"title":"sentiment_dev.py <span style='color:#111;'> 18.58KB </span>","children":null,"spread":false},{"title":"1 <span style='color:#111;'> 2B </span>","children":null,"spread":false}],"spread":true},{"title":"lab_record.md <span style='color:#111;'> 2.56KB </span>","children":null,"spread":false},{"title":"Description.txt <span style='color:#111;'> 286B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 17.38KB </span>","children":null,"spread":false},{"title":"sample_submission.csv <span style='color:#111;'> 1.80MB </span>","children":null,"spread":false},{"title":"input","children":[{"title":"sentiment.dev <span style='color:#111;'> 25.30KB </span>","children":null,"spread":false},{"title":"test.data <span style='color:#111;'> 14.54MB </span>","children":null,"spread":false},{"title":"train.solution <span style='color:#111;'> 7.55MB </span>","children":null,"spread":false},{"title":"stopwords_zh.txt <span style='color:#111;'> 14.83KB </span>","children":null,"spread":false},{"title":"1 <span style='color:#111;'> 1B </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明