SMP2020微博情绪分类技术评测数据集 本次技术评测使用的标注数据集由哈尔滨工业大学社会计算与信息检索研究中心提供，原始数据源于新浪微博，由微热点大数据研究院提供，数据集分为两部分。     第一部分为通用微博数据集，该数据集内的微博内容是随机获取到微博内容，不针对特定的话题，覆盖的范围较广。     第二部分为疫情微博数据集，该数据集内的微博内容是在疫情期间使用相关关键字筛选获得的疫情微博，其内容与新冠疫情相关。     因此，本次评测训练集包含上述两类数据：通用微博训练数据和疫情微博训练数据，相对应的，测试集也分为通用微博测试集和疫情微博测试集。参赛成员可以同时使用两种训练数据集来训练模型。     每条微博被标注为以下六个类别之一：neutral（无情绪）、happy（积极）、angry（愤怒）、sad（悲伤）、fear（恐惧）、surprise（惊奇）。     通用微博训练数据集包括27,768条微博，验证集包含2,000条微博，测试数据集包含5,000条微博。     疫情微博训练数据集包括8,606条微博，验证集包含2,000条微博，测试数据集包含3,000

数据集官网：https://ai.stanford.edu/~amaas/data/sentiment/ 数据集的训练集和测试集各有25000个样本，且正负样本个数相同，均为12500个。 该数据集和官网提供的相比，去除了一些不必要的文件，其他均未改动。

基于python实现微博动态情感分析设计Flask制作restful api项目源码+数据集.zip 适用于做NLP情感分析 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习学习者。 也可作为课程设计、期末大作业、作为毕设使用。 也可以用来学习、参考、借鉴。

维达情绪分析（NLP），PHP，法语 这是VADER（价识别字典和情感推理器）PHP法语版本。 请访问< >以查看原始版本。 VADER是一种基于词典和规则的情感分析工具，专门针对社交媒体中表达的情感进行调整。 工作很好！ 示例代码： require_once "vadersentiment.php"; $textToTest = "La jolie Galline est belle, belle, BELLE !"; $sentimenter = new new SentimentIntensityAnalyzer(); $result = $sentimenter->getSentiment($textToTest); print_r($result); 示例代码的输出 ['neg'=> 0.0, 'neu'=> 0.254, 'pos'=> 0.746, 'compound'

目前最常用的中文主流情感词典： 台湾大学NTUSD+知网Hownet词典下载 可用作NLP入门学习 不用手工构建情感词典 非常方便

本资源为微博内容进行情感分析实战项目，适用于NLP情感分析的新人，其中包含了对数据分析、预处理以及模型的训练以及测评的全过程，且在博主的博客中有对项目的文字教程，对新人非常友好。

本宝宝采集的豆瓣20万条影评原始数据集，希望大家积极下载，尊重宝宝的劳动成果，后期有时间我还为大家提供数据集哈。 机器学习，nlp，深度学习的宝宝赶快看过来，看过来哈。 数据集格式： title##star##comment 电影名称##评论星级（1-5星）##评论内容

去重后的非平衡酒店评论情感语料，分为两个文件，neg=1172条，pos=5358条。按照id,text,label划分，pandas可以直接读取。

这是一个包含了4000条酒店评论文本的语料，其中2000条正向评论用1作为标签，2000条负向评论用0作为标签。可以用来训练情感分析模型。

情感词典最全版，包括褒贬词及其近义词、否定词典、汉语情感词极值表、清华大学李军中文褒贬义词典、情感词典及其分类、情感词汇本体、台湾大学NTUSD简体中文情感词典、知网Hownet情感词典