包含coae2014和NLPCC2014会议的所有评测数据，非常适合搞情感分析的学术研究
2023/7/30 22:30:24
49.27MB
1
LDA贝叶斯算法实现的电商行业商品评论与情感分析案例，数据集主要涉及‘美的’品牌的评论
2023/7/27 7:21:15
8.95MB
1
该数据集包含了1,600,000条从推特爬取的推文，可用于情感分析相关的训练。
该数据集包含两个数据文件：测试集（test）和训练集（training）数据文件没有包含heading，从左到右分别是：（1）推文标注（polarity）：0=负面，2=中立，4=正面（2）推文的id（3）时间：SatMay1623:58:44UTC2009（4）Query(lyx)，如果没有query，数值为NO_QUERY.（5）发推的用户：robotickilldozr（6）推文内容
该数据集包含两个数据文件：测试集（test）和训练集（training）数据文件没有包含heading，从左到右分别是：（1）推文标注（polarity）：0=负面，2=中立，4=正面（2）推文的id（3）时间：SatMay1623:58:44UTC2009（4）Query(lyx)，如果没有query，数值为NO_QUERY.（5）发推的用户：robotickilldozr（6）推文内容
2023/7/27 4:48:01
86.3MB
1
该词典主要发呢为中文和英文两部分，共包含如下数据：中文程度级别词语219个、英文程度级别词语170个。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2023/7/17 8:03:14
2KB
1
用python实现基于情感词典的情感分析大数据分析用python实现基于情感词典的情感分析大数据分析用python实现基于情感词典的情感分析大数据分析用python实现基于情感词典的情感分析大数据分析
2023/7/14 5:47:58
141KB
1
1.“中文情感分析用词语集”，现包含如下6个子文件：“正面情感”词语，如：爱，赞赏，快乐，感同身受，猎奇，喝彩，魂牵梦萦，嘉许...“负面情感”词语，如：哀伤，半信半疑，鄙视，不满意，不是滋味儿，后悔，大失所望...“正面评价”词语，如：不可或缺，部优，才高八斗，沉鱼落雁，催人奋进，动听，对劲儿...“负面评价”词语，如：丑，苦，超标，华而不实，荒凉，混浊，畸轻畸重，价高，空洞无物...“程度级别”词语，“主张”词语2.“英文情感分析用词语集”；
现包含词语8945，其中包括如下6个子文件：“正面情感”词语，如：happy，bejealous，admiration，consent，welcome，lookforwardto...“负面情感”词语，如：defy，disappointed，fear，criticize，regret，pullalongface...“正面评价”词语，如：good-looking,high-quality，effective，tranquility，safeandsound...“负面评价”词语，如：grotesqueness，inferior，expensive，expensively，brutal，false，gawky，low...“程度级别”词语，“主张”词语
现包含词语8945，其中包括如下6个子文件：“正面情感”词语，如：happy，bejealous，admiration，consent，welcome，lookforwardto...“负面情感”词语，如：defy，disappointed，fear，criticize，regret，pullalongface...“正面评价”词语，如：good-looking,high-quality，effective，tranquility，safeandsound...“负面评价”词语，如：grotesqueness，inferior，expensive，expensively，brutal，false，gawky，low...“程度级别”词语，“主张”词语
2023/3/16 11:41:24
88KB
1
为了将情感信息融入到词向量中，本文第一部分工作提出了两个情感词向量学习框架，即，基于谷歌提出的Ｓｋｉｐ－ｇｒａｍ模型的框架和基于卷积神经网络模型的框架。
在每个框架中，根据情感和语义信息融合策略的不同，我们又分别提出Ｈ个具体模型。
为了验证学习得到的情感词向量能否包含语义和情感信息，本文分别在不同语言、不同领域的多个数据集下进行了大量定性和定量的比较实验。
这部分相关工作分别发表在２０１５年ＩＡＬＰ会议和２０１６年ＩＪＣＮＮ会议
在每个框架中，根据情感和语义信息融合策略的不同，我们又分别提出Ｈ个具体模型。
为了验证学习得到的情感词向量能否包含语义和情感信息，本文分别在不同语言、不同领域的多个数据集下进行了大量定性和定量的比较实验。
这部分相关工作分别发表在２０１５年ＩＡＬＰ会议和２０１６年ＩＪＣＮＮ会议
2023/3/14 22:36:39
4.63MB
1
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精确度。
代码内有详细注释，下载即可运行。
如有疑问可联系
代码内有详细注释，下载即可运行。
如有疑问可联系
2023/3/10 18:20:42
131.31MB
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