文件名称：Twitter-Sentiment-Analysis
文件大小：25.34MB
文件格式：ZIP
更新时间：2024-04-17 10:22:03
JupyterNotebook
Twitter情绪分析 动机 情感分析也称为观点挖掘和情感AI。 它是一种NLP技术，可确定文本是否定的，肯定的还是中性的。 人们可以通过多种途径（例如Twitter和Facebook）表达对公司产品，新闻事件等的感受。 情绪分析对企业很重要，因为它可以帮助企业评估品牌声誉并了解客户对其产品的感觉。 它也可以用来收集有关某些主题的广泛民意。 我的目标是检查Twitter情绪分析数据集，并建立一个模型，该模型可以在给定的推文上预测情感，准确度在70％以上。 根据 “情感分析系统的准确性原则上是与人类判断的吻合程度。这通常通过基于否定和肯定文本两个目标类别的准确性和召回率的变式度量来度量。通常，只有大约80％的人同意研究人类评分者。因此，即使情感准确度听起来并不令人印象深刻，一个能够在情感分类中达到70％准确度的程序也和人类一样好。 数据 此数据来自基于表情符号分类为正面或负面的 。 创作者
【文件预览】：
Twitter-Sentiment-Analysis-main
----Twitter Notebook old.ipynb(53KB)
----.gitignore(53B)
----README.md(7KB)
----App()
--------app.py(1KB)
--------model.pkl(23.75MB)
--------vectorizer.pkl(18.24MB)
--------model.py(2KB)
--------__pycache__()
--------.DS_Store(6KB)
----Untitled1.ipynb(39KB)
----.ipynb_checkpoints()
--------Twitter Sentiment Analysis Notebook-checkpoint.ipynb(2.45MB)
----keras_model_for_rena.mdl()
--------variables()
--------saved_model.pb(645KB)
--------.DS_Store(8KB)
----.DS_Store(10KB)
----Images()
--------NB_Confusion_Matrix.png(133KB)
--------What_Bugs_You.png(94KB)
--------Scores.png(65KB)
--------Top_10_Words.png(11KB)
--------Botometer_Check.png(46KB)
--------LDA Topics.png(103KB)
--------.DS_Store(6KB)
--------Positive_Word_Cloud.png(676KB)
--------Negative_Word_Cloud.png(2.15MB)
--------Top_10_Usernames.png(122KB)
--------W2V Love.png(98KB)
--------W2V Hate.png(95KB)
----Twitter Sentiment Analysis Notebook.ipynb(2.42MB)