台湾大学NTUSD - 简体中文情感极性词典以及知网HowNetsentiment

基于SO-PMI算法的情感极性判别代码，有注释容易理解。针对2元词组共现频率为0的情况，参照论文设置了goodturing平滑和laplace平滑方法。论文可以自己去知网搜索。运行速度慢，建议训练数据不要超过80000条。

情感词典的正面情绪词、负面情绪词、否定词和程度副词

百度点石情感极性分析--代码案例-附件资源

情感极性CoreML演示 使用CoreML框架进行情感极性分析的演示应用程序。 模型 是使用 python软件包从转换而来的。 该模型基于分类器，能够区分具有最佳CV分数= 0.801013024602的正面和负面句子。 使用数据集对产品和服务进行了培训。 通过使用进行特征提取可以提高准确性，但是目前不支持此功能。 要求 Xcode 9 iOS 11 安装 git clone https://github.com/cocoa-ai/SentimentCoreMLDemo.git cd SentimentCoreMLDemo open SentimentPolarity.xcodeproj/

评论极性分析及预测

台湾大学NTUSD - 简体中文情感极性词典、台湾大学NTUSD - 简体中文情感极性词典

情感极性词典，包含中文正负情绪词和否定词、程度副词。

台湾大学中文情感极性词典（NTUSD）

文本情感分析（也称为意见挖掘）是指用自然语言处理、文本挖掘以及计算机语言学等方法来识别和提取原素材中的主观信息。 本文使用python来做文本情感分析