Cheereus / WeiboEmotionAnalyzer
根据关键词爬取微博内容并进行情感分析
☆15Updated 4 years ago
Related projects ⓘ
Alternatives and complementary repositories for WeiboEmotionAnalyzer
- 疫情背景下，基于情感词典和机器学习对新闻和微博评论的情感分析☆29Updated 3 years ago
- 微博情感分析☆28Updated 6 years ago
- 基于新浪微博数据的情感极性分析☆57Updated 6 years ago
- 京东评论情感分析模型，主要包括1、数据获取及探索性分析；2、文本预处理、文本分词、文本向量化、特征提取、☆75Updated 5 years ago
- 利用Python编程爬虫搜集微博平台上关于大学生网课的评论，使用SPSS、机器学习、自然语言处理等方法，对收集到的文本数据进行分词、数据清洗、词频统计和聚类分析。最后根据所得到的数据进行以及分析，发现目前在线教学 中学生体验的现状、趋势以及一些待解决的问题。☆41Updated 3 years ago
- 微博评论爬取及nlp情感分析☆20Updated 6 years ago
- 数据科学基础大作业：实现的技术包括利用python爬虫，爬取关键词搜索的微博正文，特定微博下的评论；预处理微博文本；手写textRank；聚类，kmeans，DBSCAN，层次聚类；情感词典情感分析；pyecharts可视化绘图☆66Updated 11 months ago
- 新浪微博#新冠疫情话题 舆情分析与话题热度预测☆19Updated 4 years ago
- 情感分析三分类☆28Updated 3 months ago
- 基于深度学习（LSTM）的情感分析（京东商城数据）☆154Updated 4 years ago
- 针对微博平台的微博文本数据进行舆情分析项目，内容有微博爬虫、LDA主题分析和情感分析☆58Updated last year
- Apply ML on weibo sentiment. 疫情背景下微博文本情感分析与可视化☆43Updated 4 months ago
- 一个基于SnowNLP的新浪微博评论情感分析工具☆47Updated 7 years ago
- 酒店评论情感分析（机器学习、情感词典）☆50Updated 5 years ago
- 对舆情事件进行词云展示，对评论进行情感分析和观点抽取。情感分析基于lstm 的三分类，观点抽取基于AP 算法的聚类和MMR的抽取☆178Updated 6 years ago
- 对微博评论的一个简单分析案例，爬取+情感分析+LDA主题分析☆19Updated last year
- 数据集依据与“新 冠肺炎”相关的230个主题关键词进行数据采集，抓取了2020年1月1日—2020年2月20日期间共计100万条微博数据，并对其中10万条数据进行人工标注，标注分为三类，分别为：1（积极），0（中性）和-1（消极）☆16Updated 3 years ago
- 该资源为调用大连理工情感词典实现的情感分析和情绪分类，并与SnowNLP进行对比。基础性文章，希望对您有所帮助~☆87Updated 4 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）☆57Updated 7 years ago
- Chinese corpus sentiment analysis. 谭松波酒店评论中文文本 情感分析☆55Updated 3 weeks ago
- 以nlp中情感分析为例，从没有打过标签的语料开始一步步教你怎么去打标签，然后分别以传统的机器学习模型SVM和深度学习模型LSTM去建模。☆33Updated 5 years ago
- 基于Word2Vec+SVM对电商的评论数据进行情感分析☆131Updated 6 years ago
- 基于jieba分词和lda模型的主题分析☆18Updated 5 years ago
- 微博/新闻文本分类及其评论情感分析|舆情☆15Updated 7 months ago
- 汽车之家口碑网某车型的评论数据情感分析☆29Updated 5 years ago
- 练手项目：Comment of Interest 电商文本评论数据挖掘 （爬虫 + 观点抽取 + 句子级和观点级情感分析）☆98Updated 4 years ago
- 爬取新浪微博数据并可视化分析☆36Updated 3 years ago
- 本科毕业设计的内容，社交媒体文本中的情感分析，运用了情感字典和机器学习的方法☆56Updated 6 years ago
- 本软件包括对于百度外卖平台的原始评论采集、评论情感计算并分类展示、以及对于用户打分、服务评分等结构化数据进行可视化三个主要功能模块。本软件的主要技术特征在于改造和使用了网络爬虫，来为本软件提供实时数据采集的能力，并将评论情感极性分析和用户打分相结合，在首先考虑用户打分的情况…☆41Updated 3 years ago
- Python中文文本挖掘：使用机器学习方法进行情感分析。☆104Updated 6 years ago