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:
- csdn用户画像的源码☆20Updated 7 years ago
- 深度学习用于近日头条用户画像☆27Updated 6 years ago
- text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880☆62Updated 7 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
- 用户画像 练手,,,,☆83Updated 8 years ago
- twitter用户画像☆34Updated 6 years ago
- 第二届全国大数据比赛-个性化新闻推荐☆69Updated 9 years ago
- NLP 以及相关的学习实践☆40Updated 3 years ago
- 练习题︱基于今日头条开源数据的文本挖掘☆83Updated 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
- 2016 ccf 依据用户轨迹的商户精准营销☆18Updated 8 years ago
- 大数据精准营销中搜狗用户画像挖掘☆36Updated 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。☆49Updated 7 years ago
- smp2018用户画像技术评测☆21Updated 6 years ago
- 该项目是短文本分类,目前应用于新闻标签的分类☆32Updated 7 years ago
- 2017“达观杯”个性化推荐算法挑战赛-rank6☆43Updated 5 years ago
- 基于Keras使用LSTM对电商评论进行情感分析☆49Updated 7 years ago
- 基于卷积神经网络参数优化的情感分析论文code☆63Updated 7 years ago
- 使用gensim训练word2vec模型并对训练得到词向量聚类☆15Updated 7 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…☆53Updated 7 years ago
- 互联网新闻情感分析赛题baseline☆42Updated 5 years ago
- 使用pytorch和京东某商品评价数据集,采用不同模型对文本进行分类☆25Updated 7 years ago
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征,分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT(梯度提升决策树)。☆93Updated 6 years ago
- 之江-电商评论观点挖掘的比赛,基于pytorch-transformers版本,暂时只实现了BERT做aspect+opinion+属性分类+情感极性的联合标注,还未加上CRF。☆32Updated 5 years ago
- 用于发现热议事件的新闻文本聚类算法的python实现☆35Updated 8 years ago
- gensim-word2vec+svm文本情感分析☆104Updated 7 years ago
- 2nd Place Solution for SMP CUP 2016☆93Updated 8 years ago
- Self complemented text feature extraction using algorithms including CHI, DF, IG, MI for the experiment of text classification based on s…☆49Updated 7 years ago
- 使用深度学习方法(lstm+attention/textcnn+attention)完成情感分析☆14Updated 6 years ago
- 基于多通道卷积神经网络的汽车评论情感分析系统☆12Updated last year