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

微博语料情感分析代码，希望大家互相学习，互相帮助。

语料规模大，包括新闻文本、微博等各种语料。部分情感文本采用手工标注。只需下载压缩包并解压后即可使用。

# 语料库说明 ------------------------------------------------------------------------ ## 词典 1、HowNet 情感词典 2、ntusd 情感词典 3、情感分析停用词表 4、结巴分词自定义词典 5、常用语词典，包括流行新词，网络流行词，手机词汇，粤语，潮语潮词、阿里巴巴-通讯产品词汇等 ## 手机评论数据 1、HTC手机评论，包括打分，共302篇1-5 2、魅族手机评论，包括打分，共529篇1-5 3、诺基亚手机评论，包括打分，共614篇1-5 4、OPPO手机评论，包括打分1-5，共553篇 5、三星手机评论，包括打分1-5，共762篇 6、中兴手机评论，包括打分1-5，共785篇 7、摩托罗拉手机评论，包括打分1-5，共990篇 8、整合：正面评论1084篇，负面评论524篇 ## 淘宝商品评论数据 1、正面评论一万篇，负面评论一万篇 2、待预测的语料一万篇 ## 2012微博情感分析数据 共三个任务，数据集来自腾讯微博，每个话题1,000条，总约两万条微博 1、观点句与非观点句的判别 2、情感分类 3、情感要素抽取 ## 谭松波酒店评论语料 正负样本不平衡，正样本7,000，负样本3000，共10,000. ## 酒店、服装、水果、平板、洗发水 正负样本均5,000，总样本数50,000