共3个项目结果

pytorch-sentiment-analysis C Star 0

  • 这个repo包含一些教程,介绍如何使用PyTorch 1.0进行情感分析,以及使用Python 3.7进行TorchText 0.3。前两篇教程将介绍情绪分析的实际方法:递归神经网络(RNNs)。第三个笔记覆盖了FastText模型,最后一个覆盖了convolutional neural network (CNN)模型。还有2个额外的“附录”笔记本。第一个包含用TorchText加载您自己的数据集,第二个包含一个简短的介绍TorchText提供的预先训练好的单词嵌入。如果您发现任何错误或不同意任何解释,请毫不犹豫地提交问题。我欢迎任何正面或负面的反馈。
  • 原始仓库地址:https://github.com/bentrevett/pytorch-sentiment-analysis.git 浏览量:1958 下载量:873 4 months前

    emotional Javascript Star 0

  • **emotional**这个版本库是Node.js的主观和情感/极性分析库。模式的部分端口。安特卫普大学(University of Antwerp)的剪辑库,所以所有的荣誉都归于原著作者汤姆·德·斯梅特(Tom De Smedt)和沃尔特·达勒曼斯(Walter Daelemans)。它是基于他们自己获得的形容词情感数据库。从他们的网站上摘录的解释(为了适应这个模块稍微修改了一下):书面文本大致可以分为两类:事实和观点。意见承载着人们对世界的情感、评价和感受。情感模块包含了在产品评论中经常出现的形容词(如good、bad、amazing、、、…),并以情感极性(positive negative)和主观性(objective subjective)的评分进行标注。函数返回一个{极性:[- 1,1],主观性:[0,1],评估:…}对象,基于所包含的形容词,其中极性为-1.0到+1.0之间的值,主观性为0.0到1.0之间。这个句子应该是一个字符串。如果给定句子的极性高于该阈值,则正(句子,阈值)函数返回True。阈值可以降低或提高,但是总的来说+0.1为产品评审提供了最佳结果。电影评论的准确率约为75%。
  • 原始仓库地址:https://github.com/ticup/emotional.git 浏览量:1628 下载量:944 3 months前

    emotional_analysis Java Star 0

  • 基于Spark网易云音乐数据分析 包含爬虫,Scala码,Spark,Hadoop,ElasticSearch,logstash,Flume,echarts,log4j emotional_analysis_spider 爬虫模块 emotional_analysis_web 数据处理模块(Scala代码) emotional_analysis_recommend 推荐模块目前还未开发 emotional_analysis_web 报表展现模块 Crawler-sample-data 爬虫抓取样例数据 MySQL-yuncun MySQL数据库结构及数据 config ES logStash Flume 相关配置文件 mlib-text 机器学习分类测试相关数据 statistical-static-txt SparkSQL相关关联静态数据 **分析内容** 1.图计算 2.机器学习预测歌曲分类 3.评论词云 4.评论时间段 5.评论top榜 6.热歌top榜 7.用户性别比例 8.用户星座比例 9.用户年龄比例 10.用户全国地理分布 11.热评搜索等
  • 原始仓库地址:https://github.com/20100507/emotional_analysis.git 浏览量:1263 下载量:387 3 months前

    ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

    版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie