一个高质量的海量数据集，共包含6大类20个细粒度要素的情感倾向。
含有训练集、验证集和测试集
含有训练集、验证集和测试集
2025/3/6 5:27:44
51.3MB
1
imdb.npz电影评论数据集当我们按照教程书籍里面的代码试验时，往往会出现数据集下载失败的问题.执行(train_data,train_labels),(test_data,test_labels)=imdb.load_data(num_words=10000)出现Downloadingdatafromhttps://s3.amazonaws.com/text-datasets/imdb.npz，网络连接失败。
此时，将下载好的imdb.npz文件放在主目录下的.keras/datasets文件夹下即可。
此时，将下载好的imdb.npz文件放在主目录下的.keras/datasets文件夹下即可。
2025/1/23 1:51:45
16.66MB
1
kaggle电影评论情感分析（BagofWordsMeetsBagsofPopcorn）的全部数据集，自己上网找了半天都找不到，最后是让同学上外网下的，在这里分享给想学习nlp的同学
2024/8/30 18:14:29
52.35MB
1
微博用户评论情感分析python代码，完整的可运行的，（数据规模20w）微博用户评论情感分析python代码，完整的可运行的
2024/8/3 14:04:56
79.61MB
1
完整可运行的python代码。
数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等，每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。
数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等，每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。
2024/6/2 1:43:38
79.61MB
1
共包含6大类20个细粒度要素的情感倾向.数据集分为训练、验证、测试A与测试B四部分。
数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；
层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。
每个细粒度要素的情感倾向有四种状态：正向、中性、负向、未提及.
数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；
层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。
每个细粒度要素的情感倾向有四种状态：正向、中性、负向、未提及.
2024/3/30 17:07:08
67.24MB
1
汽车评论情感标注数据，包含正面和负面数据各35000多条，总计70000条评论数据。
可用于建立舆情分析模型。
希望能帮助到有需要的人。
可用于建立舆情分析模型。
希望能帮助到有需要的人。
2023/10/26 13:57:10
18.97MB
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