文件名称：情绪分析：情绪分析：深度Bi-LSTM +注意力模型
文件大小：3.42MB
文件格式：ZIP
更新时间：2024-02-27 05:06:21
nlp deep-neural-networks twitter deep-learning sentiment-analysis
情绪分析 总览 情感分析是一种自然语言处理（NLP）任务，其目的是评估文本块的极性/情感。 根据定义，广泛用于客户关系管理（CRM）的环境中，用于自动评估评论和调查回复以及社交媒体。 情绪分析中常见的子任务是： 消息极性分类：给定一条消息，对消息的整体上下文极性进行分类是正面，负面还是中性。 基于主题或基于实体的消息极性分类：给定消息和主题或实体，将消息按该主题或实体分类。 SemEval（国际语义评估研讨会）是一个流行的，专门负责情感分析任务的研讨会。 有关此类任务（任务4）的最新年度（2017年）概述，请访问： : 。 该项目当前仅针对“消息极性分类”子任务。 该存储库包含：
【文件预览】：
SentimentAnalysis-master
----trainer.py(8KB)
----.gitignore(302B)
----Dockerfile(314B)
----sentiment_analysis.py(2KB)
----sentiment_analysis.pyproj(5KB)
----train_config.json(1KB)
----requirements.txt(214B)
----sentiment_analysis.sln(947B)
----REST_config.json(94B)
----ekphrasis()
--------classes()
--------regexes()
--------__init__.py(0B)
--------dicts()
--------tools()
--------utils()
--------examples()
--------__pycache__()
----LICENSE(2KB)
----nn_modules.py(4KB)
----Dataset()
--------SemEval2017()
----priberam-650x240.png(3KB)
----README.md(9KB)
----web_server.py(8KB)
----core.py(6KB)
----Models()
--------.gitignore(73B)
----Embeddings()
--------.gitignore(73B)