#语料库阐明------------------------------------------------------------------------##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1-52、魅族手机评论，包括打分，共529篇1-53、诺基亚手机评论，包括打分，共614篇1-54、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
2015/3/9 14:02:03
12.81MB
1
深度发送项目描述该项目将基于唤醒价情感模型（又称为）分析用户上传的音乐文件。
唤醒代表音乐对人耳的强烈或“刺激性”，从平淡而放松的感觉到强烈而令人振奋的感觉。
此处的价表示音乐听起来多么令人愉悦或多么悲伤。
这个定义比定义要窄，但是对于机器学习模型来说更容易分类。
此外，该项目还实现了节拍检测和音乐流派检测的功能。
Web框架：，涉及技能：HTML，CSS，javascript，python放大细节节拍，唤醒和化合价检测：音乐原始数据的中间50％被分为5秒帧，步长为0.5秒。
然后将每个帧分成较小的25ms子帧，然后将其转换为MFCC（梅尔频率倒谱系数）阵列。
最后，将最初为矩
唤醒代表音乐对人耳的强烈或“刺激性”，从平淡而放松的感觉到强烈而令人振奋的感觉。
此处的价表示音乐听起来多么令人愉悦或多么悲伤。
这个定义比定义要窄，但是对于机器学习模型来说更容易分类。
此外，该项目还实现了节拍检测和音乐流派检测的功能。
Web框架：，涉及技能：HTML，CSS，javascript，python放大细节节拍，唤醒和化合价检测：音乐原始数据的中间50％被分为5秒帧，步长为0.5秒。
然后将每个帧分成较小的25ms子帧，然后将其转换为MFCC（梅尔频率倒谱系数）阵列。
最后，将最初为矩
2017/7/15 20:55:58
24.69MB
1
主要引见了情感分析，设计了传统的机器学习的方法和深度学习的方法，用python实现，适合大家分析不同算法的优劣
2021/2/3 10:29:32
13.23MB
1
该语料共包含中文和英文两种语言，次要是商品评论，评论篇幅都比较短，可以被应用于篇章级或者句子级的情感分析任务。
数据集被分为训练数据、测试数据、带标签的测试数据三个文件，共有正向和负向两种极性。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
数据集被分为训练数据、测试数据、带标签的测试数据三个文件，共有正向和负向两种极性。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2020/2/11 16:19:38
5.22MB
1
ROST反剽窃系统是一款用来查找论文抄袭的软件。
由武汉大学开发，rostcm主要包括三个部分：全网检索、本地文献库对比和少量文献对比。
软件栏目有聊天分析、全网分析、网站分析、浏览分析、微博分析和期刊分析。
通过这套系统，我们能够判断论文能否是抄袭的。
在分析论文能否抄袭部分，还可以进行功能性分析（字频分析、英文词频分析、中文词频分析、社会网络和语义网络分析、情感分析、流量分析、TF/IDF批量词频分析、相似分析），从而让剽窃的论文无处藏身。
由武汉大学开发，rostcm主要包括三个部分：全网检索、本地文献库对比和少量文献对比。
软件栏目有聊天分析、全网分析、网站分析、浏览分析、微博分析和期刊分析。
通过这套系统，我们能够判断论文能否是抄袭的。
在分析论文能否抄袭部分，还可以进行功能性分析（字频分析、英文词频分析、中文词频分析、社会网络和语义网络分析、情感分析、流量分析、TF/IDF批量词频分析、相似分析），从而让剽窃的论文无处藏身。
2019/10/17 8:50:17
8.57MB
1
AIChallenger细粒度用户评论情感分析；
比赛资源，可放心运用AIChallenger细粒度用户评论情感分析；
比赛资源，可放心运用AIChallenger细粒度用户评论情感分析；
比赛资源，可放心运用AIChallenger细粒度用户评论情感分析；
比赛资源，可放心运用
比赛资源，可放心运用AIChallenger细粒度用户评论情感分析；
比赛资源，可放心运用AIChallenger细粒度用户评论情感分析；
比赛资源，可放心运用AIChallenger细粒度用户评论情感分析；
比赛资源，可放心运用
2022/9/8 12:16:35
67.21MB
1
基于内容的电影推荐系统，使用AJAX进行情感分析可以在以下位置找到此应用程序的更新版本：:基于内容的推荐系统推荐与用户喜欢的电影相似的电影，并分析用户对该电影给出的评论的情绪。
电影的详细信息（标题，类型，放映时间，评分，海报等）是通过TMDB使用API??，//www.themoviedb.org/documentation/api并使用电影中的IMDBID来获取的。
API，我进行了网络抓取，以使用beautifulsoup4在IMDB站点中获得用户给出的评论，并对这些评论进行了情感分析。
查看现场演示：:链接到youtube演示：:注意电影院我已经开发了一个类似的应用程序，称为“电影院”，它支持所有语言的电影。
但是与此应用程序唯一不同的是，我在“电影院”中使用了TMDB的推荐引擎。
我在此应用程序中开发的推荐部分不支持多语言电影，因为它消耗了200％的RAM（即便将其部署到Heroku之后）也无法为TMDB中的所有700,000部电影生成CountVectorizer矩阵。
链接到“电影院”应用程序：:如果您要查找的电影
电影的详细信息（标题，类型，放映时间，评分，海报等）是通过TMDB使用API??，//www.themoviedb.org/documentation/api并使用电影中的IMDBID来获取的。
API，我进行了网络抓取，以使用beautifulsoup4在IMDB站点中获得用户给出的评论，并对这些评论进行了情感分析。
查看现场演示：:链接到youtube演示：:注意电影院我已经开发了一个类似的应用程序，称为“电影院”，它支持所有语言的电影。
但是与此应用程序唯一不同的是，我在“电影院”中使用了TMDB的推荐引擎。
我在此应用程序中开发的推荐部分不支持多语言电影，因为它消耗了200％的RAM（即便将其部署到Heroku之后）也无法为TMDB中的所有700,000部电影生成CountVectorizer矩阵。
链接到“电影院”应用程序：:如果您要查找的电影
2016/11/4 14:29:04
2.71MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB