文件名称：crowdsourcing
文件大小：1.6MB
文件格式：ZIP
更新时间：2024-03-30 22:24:40
JupyterNotebook
众包 情绪分析在社交媒体监视中很有用，可以自动表征在社交媒体中针对特定品牌或一群人共享的政治或社交观点复制的消费者的总体感觉或心情，并确定他们在网上是正面还是负面的看法。 近年来，互联网使用和公众舆论交流的指数级增长是当今情感分析的原动力。 Web是一个庞大的结构化和非结构化数据存储库。 对这些数据进行分析以提取潜在的公众舆论和情感是一项艰巨的任务。 在这个项目中，我们旨在使用基于机器学习的方法进行情感分析，并充分利用现有技术的显着特征。 项目中包括的基于机器学习的基于表情符号的情感分析中最常用的技术和方法是SVC，LinearSVC分类器和SentiWordNet分类器。随着项目的进展，我们将看到这些机器学习算法如何产生不同的结果和准确性。 R中提供了该代码，您可以尝试一下。
【文件预览】：
crowdsourcing-main
----.gitignore(2KB)
----Rplot100.png(12KB)
----Rplot-emo.png(5KB)
----myrun2.r(4KB)
----negative-data.csv(379KB)
----labeled_data.csv(1.92MB)
----Rplot22.png(42KB)
----myrun4.r(3KB)
----trial.py(8KB)
----emoticon.ipynb(39KB)
----Rplot2.png(45KB)
----Rplot200.png(16KB)
----README.md(1KB)
----Rplotz500.png(19KB)
----rtry1.r(4KB)
----wordcloud.R(2KB)
----wordcloud2.R(2KB)
----positive-data.csv(296KB)
----psychExp.txt(1.29MB)
----Rplot300.png(17KB)