03pie / SMPCUP2017Links
CSDN用户画像技术评测
☆27Updated 6 years ago
Alternatives and similar repositories for SMPCUP2017
Users that are interested in SMPCUP2017 are comparing it to the libraries listed below
Sorting:
- text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880☆62Updated 7 years ago
- 用户画像练手,,,,☆84Updated 9 years ago
- csdn用户画像的源码☆20Updated 8 years ago
- 第二届全国大数据比赛-个性化新闻推荐☆70Updated 10 years ago
- 2nd Place Solution for SMP CUP 2016☆93Updated 8 years ago
- 细粒度情感分析repository1:Wai Mai Opinion Miner,细粒度情感分析系统GUI demo。☆113Updated 9 years ago
- CCF大数据比赛,基于主题的文本情感分析☆94Updated 7 years ago
- twitter用户画像☆33Updated 6 years ago
- CSDN博客的关键词提取算法,融合TF,IDF,词性,位置等多特征。该项目用于参加2017 SMP用户画像测评,排名第四,在验证集中精度为59.9%,在最终集中精度为58.7%。启发式的方法,通用性强。☆30Updated 7 years ago
- 【源码以及PPT分享】2016CCF大数据与计算智能大赛:精准营销中搜狗用户画像挖掘☆202Updated 7 years ago
- Sentiment Classifier base on traditional Maching learning methods, eg Bayes, SVM ,DecisionTree, KNN and Deeplearning method like MLP,CNN,…☆144Updated 7 years ago
- 基于python gensim 库的LDA算法 对中文进行文本分析,很难得,网上都是英文的,基本上没有中文的,需要安装jieba分词进行分词,然后去除停用词最后才能使用LDA☆137Updated 6 years ago
- 练习题︱基于今日头条开源数据的文本挖掘☆84Updated 6 years ago
- using jieba and doc2vec to implement sentiment analysis for Chinese docs☆79Updated 6 years ago
- 中文文本分类,包含了语料库的基本处理,Wiki_zh的处理等☆15Updated 7 years ago
- 计算新闻文本类情感分析(采用TF-IDF,余弦距离,情感依存等算法)☆58Updated 8 years ago
- smp2018用户画像技术评测☆21Updated 7 years ago
- 用于发现热议事件的新闻文本聚类算法的python实现☆36Updated 9 years ago
- 2017“达观杯”个性 化推荐算法挑战赛-rank6☆43Updated 6 years ago
- SA☆33Updated 6 years ago
- 依据香港中文大学设计的规则系统,先用小样本评论建立初始关键词库,再结合18种句式逐条匹配评论,能够快速准确地识别评论对象及情感极性。经多次迭代优化关键词库后,达到较高准确率的基础上,使用Tableau进一步分析数据,识别出客户集中关注的商品属性、普遍好评差评的商品属性;通过…☆56Updated 8 years ago
- 这是本人第一次数据算法比赛实录。主要整理记录2017年CCF大数据与计算智能竞赛使用的模型和实现代码,选择了基于主题的文本情感 分析赛题。采用情感词典+自定义规则完成比赛,成绩:136/796。☆48Updated 7 years ago
- 基于Keras使用LSTM对电商评论进行情感分析☆49Updated 7 years ago
- NLP 以及相关的学习实践☆40Updated 3 years ago
- Syntax and Ruler-Based Doc sentiment analysis 基于依存句法规则的篇章级情感分析demo☆107Updated 6 years ago
- 基于用户行为的推荐算法大赛---第四名(临兵斗列)☆41Updated 8 years ago
- 评论上的情感分析:主题与情感词抽取☆81Updated 5 years ago
- 某电商手机评论的文本挖掘初体验 功能板块:数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆123Updated 6 years ago
- 使用深度学习方法对IMDB电影评价做情感分析,使用的方法分别为:MLP、BiRNN、BiGRU+Attention Model☆225Updated 8 years ago
- gensim-word2vec+svm文本情感分析☆105Updated 8 years ago