Stars
基于react18、redux、reactRouter@5的全球新闻发布系统
用MLP、TextCNN、RNN、LSTM、GRU、Attention、RCNN、BERT做文本分类、情感分析,对比各模型于温泉旅游评论垂类语料下在情感分类任务上的表现
中文的情感分析任务:基于Bi-LSTM+Attention模型,对2万条中文影评数据进行情感分类。Chinese sentiment analysis task: Based on the Bi-LSTM+Attention model, sentiment classification is performed on 20,000 Chinese film review data.
Chinese corpus sentiment analysis. 谭松波酒店评论中文文本情感分析
一个比较基础、全面的文本挖掘过程。包含了利用机器学习和文本挖掘技术完成情感分析模型搭建;利用情感极性判断与程度计算来判断情感倾向;利用词频和TF-IDF挖掘出正负文本中的关键点情况;利用文本挖掘相关算法找到平台中用户讨论的集中点。
Sentiment Analysis-Pytorch(情感分析的Pytorch实现)
基于深度学习的中文评论情感分类和智能客服研究与实现。主要是酒店和书店的评论情感分析(二分类+九分类),可以判定积极和消极,对于消极评论,还可以判断其具体类别,比如物流不好或者服务差等等。
练手项目:Comment of Interest 电商文本评论数据挖掘 (爬虫 + 观点抽取 + 句子级和观点级情感分析)
bilibili弹幕分析,包含爬虫、词云分析、词频分析、情感分析、构建衍生指标,可视化
Recommendation Algorithm大规模推荐算法库,包含推荐系统经典及最新算法LR、Wide&Deep、DSSM、TDM、MIND、Word2Vec、Bert4Rec、DeepWalk、SSR、AITM,DSIN,SIGN,IPREC、GRU4Rec、Youtube_dnn、NCF、GNN、FM、FFM、DeepFM、DCN、DIN、DIEN、DLRM、MMOE、PLE、ESM…
基于深度学习的情感分析模型,经过外卖评论和酒店评论的训练,准确率在90%左右
基于规则、基于朴素贝叶斯、基于逻辑回归进行文本情感极性分析判断(酒店评论语料)