注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. python使用Word2Vec进行情感分析解析

  2. python实现情感分析（Word2Vec） ** 前几天跟着老师做了几个项目，老师写的时候劈里啪啦一顿敲，写了个啥咱也布吉岛，线下自己就瞎琢磨，终于实现了一个最简单的项目。输入文本，然后分析情感，判断出是好感还是反感。看最终结果：↓↓↓↓↓↓ 1 2 大概就是这样，接下来实现一下。 实现步骤 加载数据，预处理 数据就是正反两类，保存在neg.xls和pos.xls文件中， 数据内容类似购物网站的评论，分别有一万多个好评和一万多个差评，通过对它们的处理，变成我们用来训练模型的特征

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：431104
    • 提供者：weixin_38684328

  1. 【Python数据分析】文本情感分析——电影评论分析（一）

  2. 情感分析是文本分析的一种，它能够从一段文本描述中理解文本的感情色彩，是褒义、贬义还是中性。常见的情感分析的使用场景就是客户对商品或服务的评价、反馈，传统模式下的人工审核，不仅消耗大量人力，而且效率（速度和准确度）也不高。   这里使用Python对电影《哪吒之魔童降世》的评论进行文本分析，这种分析方式还可用于垃圾邮件的过滤、新闻的分类等场景。   分析步骤：   1、对文本数据进行预处理，包括文本缺失值重复值处理、分词、去除停用词、文本向量化。   2、描述性统计分析，统计词频、生成词云图。  

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：812032
    • 提供者：weixin_38632046

  1. 《动手学深度学习：文本分类；数据增强；模型微调》

  2. 文本情感分类 文本分类是自然语言处理的一个常见任务，它把一段不定长的文本序列变换为文本的类别。本节关注它的一个子问题：使用文本情感分类来分析文本作者的情绪。这个问题也叫情感分析，并有着广泛的应用。 同搜索近义词和类比词一样，文本分类也属于词嵌入的下游应用。在本节中，我们将应用预训练的词向量和含多个隐藏层的双向循环神经网络与卷积神经网络，来判断一段不定长的文本序列中包含的是正面还是负面的情绪。后续内容将从以下几个方面展开： 文本情感分类数据集 使用循环神经网络进行情感分类 使用卷积神经网络进行情感

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：34816
    • 提供者：weixin_38692969

  1. 基于svm的文本情感分析

  2. 本系统是基于svm训练得到的分类器，代码包含了数据集的预处理和模型训练，对给定测试集进行测试，并根据已有标签计算准确度。代码内有详细注释，下载即可运行。

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：124780544
    • 提供者：qq_42145681

  1. graduate_work:基于弹幕情感分析的直播高光时刻判断模型设计与系统实现-源码

  2. 毕业设计 基于弹幕情感分析的直播高光时刻判断模型设计 数据清洗与初步 基于词典的句子情感值计算模型 基于机器学习的片段情感分析与高光时刻判断模型 系统设计与实现 直播弹幕情感分析与高光检测系统 技术架构 前置：Bootstrap + Echarts 框架：烧瓶 数据处理与分析中用到的各类词典与模型数据：自己整理或生成 功能 自定义词典：支持用户上传自定义词典，与系统词典合并 弹幕单文本分析：输入一条弹幕，判断其情感可能性 数据预处理：上传弹幕原始数据，进行清洗，按时间聚合，提取情感特征 弹幕片段

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：16777216
    • 提供者：weixin_42108054

  1. py-lingualytics:文本分析库，支持混码数据-源码

  2. Lingualytics：具有代码混合支持的印度分析 Lingualytics是用于处理印度文字的Python库。 Lingualytics由 ， ， ， 和等强大的库提供支持。 观看我们的演示视频！ :glowing_star: 特征 前处理 删除停用词 删除标点符号，并可以选择添加自己语言的标点符号 删除少于字符数限制的单词 表示 从给定的文本中查找n-gram 自然语言处理 使用PyTorch进行分类 在数据上训练分类器以执行诸如情感分析之类的任务 使用准确性，f1得分，准确性

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：6291456
    • 提供者：weixin_42181888

  1. 基于情感分析的隐性寻物方法

  2. 本文旨在基于情感分析来检测隐藏的星际干扰。 我们提出了一种将情感分析和不正当评级检测结合在一起的隐藏式航天检测方法。 该方法包含五个功能模块，包括：数据爬网模块，预处理模块，词袋建立模块，情感挖掘和分析模块以及匹配模块。 我们给出ROC曲线（AUC）来评估本文提出的方法。 结果表明，该方法可以在提高情感分类精度的前提下，实现对隐性航天的检测。 我们的工作发现并研究了一种新的隐藏的星空特征，并为文本情感分类手动构建了语料库，从而为我们的未来研究奠定了基础。

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1048576
    • 提供者：weixin_38727453

  1. Natural_Language_Processing_Specialization:该存储库包含来自深度学习AI NLP系列的自然语言处理课程的材料-源码

  2. Natural_Language_Processing_Specialization 该存储库包含来自深度学习AI NLP系列的自然语言处理课程的材料。 课程1：具有分类空间和向量空间的自然语言处理 主题：使用逻辑回归，朴素贝叶斯和单词向量来实现情感分析，完整类比并翻译单词。 第一周：逻辑回归 在这堂课中，我学习了将文本中的特征提取到数值向量中，然后使用逻辑回归为推文构建二进制分类器。 主题：情感分析，逻辑回归，数据预处理，计算词频，特征提取，词汇创建，监督学习 实验室： 任务： 第二周：朴素

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：240123904
    • 提供者：weixin_42097668

  1. Twitter-Sentiment-Analysis:情感分析器，通过使用张量流实现神经网络，克服了识别推特推文文本情感（正面，负面）的挑战-源码

  2. Twitter情绪分析 一个情感分析器，用于通过使用张量流实现神经网络来克服识别推特推文文本情感（正，负）的挑战。 数以百万计的人正在使用Twitter来表达自己的情绪，如幸福，悲伤，愤怒等。情绪分析是关于检测情绪，见解，评估和态度的，并将其视为人类的思想。 情绪分析将情绪分为正面或负面等类别。 如今，行业感兴趣的是使用文本数据进行语义分析，以提取人们对其产品和服务的看法。 情绪分析对于他们了解客户满意度很重要，因此他们可以相应地改善服务。 基于NLP（自然语言处理）字段的Twitter情绪分

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1024
    • 提供者：weixin_42113754

  1. 计算文本的情感描述值的算法

  2. 随着互联网信息的高速发展,越来越多的人参与到信息的制造者队伍中,对于信息处理提出了更高的要求。计算文本的情感描述值对于衡量文本的极性信息具有重要的意义。首先对文本内容进行预处理,挑选出可以决定文本极性的句子;然后对各个子句进行情感描述值的计算;最后将子句的情感进行综合计算,得出文本的情感描述值。并且对文本长度、句法结构等因素进行了综合分析。实验结果表明,采用该算法计算文本信息具有较高的准确率和速度,对于大规模处理流数据情况下的情感信息值的计算具有较好的适用性。

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：434176
    • 提供者：weixin_38637764

  1. 带有词嵌入的情感分析-源码

  2. 带有词嵌入的情感分析 喀拉拉邦人的情感分析模型可在线分析有毒评论。 语料库使用手套词嵌入进行预处理。 数据 ： 以下代码中使用的语料库摘自Kaggle竞争“有毒评论分类”。 它由Wikipedia的谈话页面编辑中的在线评论组成。主要任务是将评论分为有毒，严重有毒，淫秽，威胁，侮辱和身份仇恨等不同类别。比赛链接为 （截止日期在我开始进行情感分析之前已经结束，因此无法提交我的结果） 词嵌入： 众所周知，语料库是原始文本，因此需要先进行预处理，然后再提供给我们的模型。 我使用Glove预训练的单词

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：136192
    • 提供者：weixin_42125867

  1. 数据挖掘项目-源码

  2. 数据挖掘项目 推文聚类 目标： 主Twitter API用于提取推文 掌握自然语言处理 数据清理 推文分类 要求： Twitter开发人员帐户 Twitter API 1-数据提取： 导入库（tweepy +熊猫+ numpy） 连接到Twitter API 将推文提取到多个csv文件中，然后将它们组合到一个csv文件中 2-处理前的推文： 使用re库搜索不必要的信息。 删除标点符号，主题标签，个人资料名称，URL和表情符号。 创建一个新的干净的CSV文件 3-处理推文：自然语言

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：1048576
    • 提供者：weixin_42108948

  1. Twitter-情绪分析：分析有关2019年12月29日至2020年10月20日之间BLM运动的推文中的积极消极情绪-源码

  2. Twitter情绪分析 在此项目中，我们观察了收集到的推文中情绪（积极/消极）的演变，并用与2019年12月12日至2020年10月20日之间的黑人生活问题运动相关的术语进行了标记。 这项工作的目的是描绘在此期间发生的事件的影响并分享我们的结果，并习惯于文本预处理和情感分类。 数据 我们使用来带有“ BlackLivesMatter”，“ George Floyd”，“ Breonna Taylor”和“ BLM”等标签的推文。 从2020年开始的10个月内，我们每天最多设置3500条推文。该数

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：6291456
    • 提供者：weixin_42160252

  1. 情绪分析-源码

  2. 情绪化 客观的 该项目的目的是建立一个文本分类模型，该模型根据客户在IMDB数据库中的评论来分析客户的情绪。 该模型使用复杂的深度学习模型来构建嵌入层，然后使用分类算法来分析客户的情绪。 数据集 来自IMDB的50,000条电影评论的数据集，以情感（正/负）标记。 评论已经过预处理，并且每个评论都被编码为单词索引（整数）序列。 为方便起见，这些单词按其在数据集中的频率进行索引，这意味着具有索引1的for单词是最常见的单词。 使用每个评论的前20个单词来加快训练速度，最大词汇量为10,000。

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：58720256
    • 提供者：weixin_42153793

  1. 深入研究感官分析-现代-阿塞拜疆电影：本文主要介绍了多层感知器（MLP）模型的实现-可用于从文本中检测情感-源码

  2. 深度学习感官分析在现代阿塞拜疆电影中的应用 在这个项目中，我调查与一组现代阿塞拜疆电影有关的评论，并对每个评论分为正面或负面进行情感分析。 该项目主要描述了多层感知器（MLP）模型的实现，该模型可用于检测文本中的情感。 该项目包括三个主要部分： 该组件的主要目的是在阿塞拜疆人中检索和预处理电影评论文本数据，该数据将用于预测新评论的情绪。 尽管社交媒体上的大多数数据都是基于文本的，但无法将深度学习过程直接应用于此原始数据，并且每个问题的文本数据准备都不同。 准备工作从简单的步骤开始，例如加载数

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：3145728
    • 提供者：weixin_42134240

  1. 情感分析-火炬：IMDb数据集上的火炬情感分析-源码

  2. 使用PyTorch进行情感分析 存储库将引导您完成构建完整的情感分析模型的过程，该模型将能够预测给定评论的极性（无论表达的观点是肯定的还是负面的）。 要在其上训练模型的数据集是流行的IMDb电影评论数据集。 目录 第一个笔记本涵盖了从原始数据集中加载数据，特征提取和分析，文本预处理以及训练/验证/测试集准备的过程。 第二篇教程包含有关如何设置词汇对象的说明，该对象将负责以下任务： 创建数据集的词汇表。 根据稀有词出现和句子长度过滤数据集。 将单词映射到其数字表示形式（word2index）

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：3145728
    • 提供者：weixin_42120563

  1. HarvestText：文本挖掘和预处理工具（文本清洗，新词发现，情感分析，实体识别链接，关键字检索，知识抽取，句法分析等），无监督或弱监督方法-源码

  2. HarvestText 播种很少的数据种子，从文本字段中收获很多。 播撒几多种子词，收获万千领域实 在状语从句：上同步。如果在Github的上浏览/速度下载慢的话教育可以转到上操作。 用途 HarvestText是一个专注无（弱）监督方法，能够整合领域知识（如类型，别名）对特定领域文本进行简单高效地处理和分析的库。适用于许多文本预处理和初步探索性分析任务，在小说上分析，网络文本，专业文献等领域都有潜在的应用价值。 使用案例： （实体分词，文本摘要，关系网络等） （实体分词，情感分析，新词发现

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2097152
    • 提供者：weixin_42120541

  1. 电影评级和预测模型：该项目的目的是利用IMDB数据集生成有意义和有趣的见解，然后根据平均IMDB评级和用户鸣叫的情绪分析得分来创建电影评级模型。 并创建准确的机器学习模型，以基于一些关键功能预测平均电影收视率-源码

  2. 电影分级和预测模型 目的 该项目的目的是利用IMDB数据集生成有意义和有趣的见解，然后基于IMDB的平均评分和用户鸣叫的情感分析得分来创建电影评分模型。 还要创建一个准确的机器学习模型，根据一些关键功能预测平均电影收视率，并通过使用大数据技术进行数据处理来使系统具有可扩展性，然后将系统托管在Google Cloud上。 使用的技术 火花 齐柏林飞艇 朱皮特 Twitter API Google Cloud Engine 情感分析（文本斑点） Python HTML5 CSS3 Java

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：8388608
    • 提供者：weixin_42098104

  1. L26 使用卷积及循环神经网络进行文本分类

  2. 文本情感分类 文本分类是自然语言处理的一个常见任务，它把一段不定长的文本序列变换为文本的类别。本节关注它的一个子问题：使用文本情感分类来分析文本作者的情绪。这个问题也叫情感分析，并有着广泛的应用。 同搜索近义词和类比词一样，文本分类也属于词嵌入的下游应用。在本节中，我们将应用预训练的词向量和含多个隐藏层的双向循环神经网络与卷积神经网络，来判断一段不定长的文本序列中包含的是正面还是负面的情绪。后续内容将从以下几个方面展开： 文本情感分类数据集 使用循环神经网络进行情感分类 使用卷积神经网络进行情感

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：214016
    • 提供者：weixin_38675232

  1. 文本情感分析—数据预处理

  2. 数据预处理代码： 引自：文本情感分析 def load_data(filepath, input_shape=20): df = pd.read_csv(filepath) # 标签及词汇表 labels, vocabulary = list(df['label'].unique()), list(df['evaluation'].unique()) # 构造字符级别的特征 string = '' for word in vocabulary:

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：48128
    • 提供者：weixin_38609002
« 12 »