自述文件 该存储库包含该论文的数据，代码，预训练的模型和实验结果： [SEntiMoji：由Emoji推动的用于软件工程中情感分析的学习方法] 。 森蒂莫吉 这项研究提出了SEntiMoji，它利用来自Github和Twitter的包含表情符号的文本来改善软件工程（SE）领域中的情感分析和情感检测任务。 事实证明，SEntiMoji能够在代表性的基准数据集上显着胜过现有的SE自定义情感分析和情感检测方法。 总览 data/包含本研究中使用的数据。 它包含两个子文件夹： GitHub_data/包含用于训练SEntiMoji的已处理表情文字。 benchmark_dataset/包含用于评估

表情符号2vec 一个演示项目，用于使用Twitter数据播放单词嵌入和表情符号。 让我们看看如何制作更智能的表情符号预测器。 信不信由你，我们有1800多种来自标准Unicode的表情符号。 如何从他们那里找到一个？ 传统上，我们搜索表情符号描述的关键字。 我们将使用词嵌入来找到与上下文最匹配的词。 结果反映了社交媒体上真实用户的习惯。 现在，您将被最知识渊博的表情符号大师指导：) 检查站点 ，以预览我们接下来可以使用该模型做什么！ 数据 文件夹中的zip文件是100万个句子，其中包含来自Twitter的有关2017年1月的表情符号。 它是从更大的语料库中随机选择的集合。 将corpu

使用条件深度卷积生成对抗网络生成表情符号 这是用Python 3.6.5和Keras 2.1.5编写的和。 由于这两篇论文均未公开披露其实现和数据集，因此我们将它们实现并制作了表情符号标题数据集。 描述 该模型使用条件深度生成对抗网络和预训练的GloVe嵌入文件，部分基于和 。 示例输出如下： 此实现易于运行，因为我们已经为预处理数据集准备了一些有用的脚本。 请按照以下说明进行操作并享受生成表情符号的乐趣！ 需求 您必须安装以下软件包： 凯拉斯 NumPy TensorFlow Matplotlib OpenCV scikit学习 NLTK 皮尔 大熊猫 科学 注意：我们使用Ten

emoji_predictor 包含各种nlp方法来预测表情符号