LSC-priscilla / user_profiling_competitionLinks
用户画像练手,,,,
☆83Updated 8 years ago
Alternatives and similar repositories for user_profiling_competition
Users that are interested in user_profiling_competition are comparing it to the libraries listed below
Sorting:
- CSDN用户画像技术评测☆27Updated 6 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☆121Updated 6 years ago
- 1st Place Solution for【2016CCF大数据竞赛 客户画像赛题(用户画像)】☆348Updated 6 years ago
- 深度学习用于近日头条用户画像☆27Updated 7 years ago
- CCF大数据比赛,基于主题的文本情感分析☆95Updated 6 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)。☆94Updated 6 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
- text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880☆62Updated 7 years ago
- 朴素贝叶斯实现的文本分类(新闻分类)☆65Updated 9 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 7 years ago
- 互联网新闻情感分析赛题baseline☆42Updated 5 years ago
- 基于word2vec的关键词提取☆33Updated 6 years ago
- 第二届全国大数据比赛-个性化新闻推荐☆70Updated 9 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☆136Updated 5 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
- 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
- CNN 实现文本分类☆183Updated 3 years ago
- gensim-word2vec+svm文本情感分析☆105Updated 7 years ago
- 细粒度用户评论情感分析☆123Updated 6 years ago
- twitter用户画像☆33Updated 6 years ago
- 该库是一个项目集,包括文本分类、多标签分类、细粒度情感分析、命名实体识别,以及部分数据集等☆201Updated 6 years ago
- 自然语言处理NLP在中文文本上的一些应用,如文本分类、情感分析、命名实体识别等☆215Updated 4 years ago
- 基于豆瓣图书的推荐、知识图谱与知识引擎简单构建neo4j☆267Updated 4 years ago
- Python中文文本挖掘:使用机器学习方法进行情感分析。☆103Updated 6 years ago
- 卷积神经网络(CNN)提取影评特征构建电影推荐系统,pytorch实现☆129Updated 7 years ago
- 本项目的数据来自“互联网新闻情感分析”赛题。基于Transformer2.0库中的中文Bert模型,对新闻语料进行三分类。☆114Updated 5 years ago
- 2nd Place Solution for SMP CUP 2016☆93Updated 8 years ago
- ☆131Updated 7 years ago
- 中文商品评论短文本分类器,可用于情感分析☆364Updated 3 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