文件名称：semeval2013:来自 SemEval2013 极性消歧任务的代码
文件大小：37KB
文件格式：ZIP
更新时间：2024-06-20 08:38:59
Python
semeval2013 来自 SemEval2013 极性消歧任务的代码 这是我提交给 Semeval 2013 Task2 的分类系统的源代码。 任务是： 任务 A：“给定包含单词或短语的标记实例的消息，确定该实例在该上下文中是积极的、消极的还是中性的。将提供标记实例的边界，即，这是分类任务，而不是实体识别任务。” 任务乙： “给定一条消息，决定该消息是正面、负面还是中性情绪。对于同时传达正面和负面情绪的消息，应选择更强烈的情绪。” 我们的意见书（我在Richard Wicentowski（Swat CS）的指导下工作，致力于通过估计不同alpha水平（其中alpha P（正）-P（负））的准确性来组合多个基于特征的niave贝叶斯分类器。结合来自每个分类器的投票以生成更准确的极性预测。 该论文发表在 SemEval2013 Volume 2 ( )
【文件预览】：
semeval2013-master
----.gitignore(80B)
----evaluation()
--------__init__.py(0B)
--------analyze_tweets.py(7KB)
--------evaluate_classifiers.py(5KB)
----votes()
--------__init__.py(0B)
--------vote.py(5KB)
--------confidence_vote.py(4KB)
----__init__.py(0B)
----tweet.py(634B)
----utils()
--------__init__.py(0B)
--------utils.py(2KB)
--------dircheck.py(759B)
--------new_download_tweets.py(2KB)
----README.md(1KB)
----classifiers()
--------tweet_features.py(15KB)
--------__init__.py(0B)
--------repeat_classify.py(2KB)
--------model_classify.py(912B)
--------context_classify.py(3KB)
--------length_classify.py(917B)
--------postag_classify.py(986B)
--------weib_classify.py(1KB)
--------classify.py(9KB)
--------ngram_classify.py(4KB)
--------emoticon_classify.py(1KB)
----instance.py(1KB)
----data_prep()
--------make_tweets.py(3KB)
--------__init__.py(0B)
--------polarity.py(10KB)
--------prepare_data.py(10KB)
--------parse_emot_tweets.py(5KB)
----main.py(12KB)