Riroaki / Sentiment-Bert
基于Bert的文本情感分析模型（含semeval14数据集）
☆12Updated 5 years ago
Related projects ⓘ
Alternatives and complementary repositories for Sentiment-Bert
- 基于bert的文本情感分析☆11Updated 2 years ago
- 细粒度的情感分析（属性词提取，句法依存分析）☆35Updated last year
- 基于深度学习的中文评论情感分类和智能客服研究与实现。主要是酒店和书店的评论情感分析（二分类+九分类），可以判定积极和消极，对于消极评论，还可以判断其具体类别，比如物流不好或者服务差等等。☆41Updated 4 years ago
- 一个BERT+BiLSTM的情感分析 BaseLine☆26Updated 4 years ago
- 用MLP、TextCNN、RNN、LSTM、GRU、Attention、RCNN、BERT做文本分类、情感分析，对比各模型于温泉旅游评论垂类语料下在情感分类任务上的表现☆91Updated 3 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。☆101Updated 5 years ago
- 基于BERT模型的中文文本情感分类☆34Updated 2 years ago
- SMP 2020年微博情感分类评测任务 第六名解决方案☆68Updated 2 years ago
- bert文本多分类(情感分析)、bert-bilstm-crf序列标注任务(快递地址的序列标注任务)☆30Updated 3 years ago
- 一个基础且完整的细粒度情感分析（ABSA，Aspect based sentiment analysis）案例☆78Updated 5 years ago
- 基于文本的情感-原因对抽取(ECPE)与抑郁情绪原因识别系统☆11Updated 3 years ago
- 使用pytorch， 基于textCNN以及BiLSTM进行中文情感分析、 文本分类☆61Updated 5 years ago
- Sentiment Analysis-Pytorch(情感分析的Pytorch实现)☆58Updated 4 years ago
- smp ewect code☆75Updated 4 years ago
- 利用bert预训练模型生成句向量或词向量☆28Updated 4 years ago
- 基于PaddleNLP搭建评论观点抽取和属性级情感分析模型，并基于前后端分离式架构完成属性级情感分析Web系统搭建，通过细粒度情感分析帮助用户和商家更好决策。☆62Updated last year
- 本项目主要是利用LSTM来对中文文本进行情感分类，包含四个类别（愤怒，焦虑，抑郁，伤感）☆52Updated 4 years ago
- 多标签文本分类☆53Updated 5 years ago
- 在SMP2020的微博情绪分类任务上，微调在中文预料上预训练的BERT模型，进行文本分类。☆90Updated 2 years ago
- Aspect Based Sentiment Analysis 基于方面的细粒度情感分析☆167Updated 2 years ago
- 基于LSTM网络与自注意力机制对中文评论进行细粒度情感分析☆54Updated 3 years ago
- 本项目的数据来自“互联网新闻情感分析”赛题。使用Bert-As-Service库中的中文Bert模型进行句向量的提取，加入全连接层后进行三分类。☆25Updated 5 years ago
- Ai_challenge2018_nlp细粒度情感分析——代码复现☆21Updated 5 years ago
- “互联网新闻情感分析”赛题，是CCF大数据与计算智能大赛赛题之一。对新闻情绪进行分类，0代表正面情绪、1代表中性情绪、2代表负面情绪。☆135Updated 5 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
- 一个基本的多层lstm rnn模型，能实现中英文文本的二分类或多分类☆47Updated 6 years ago
- 中文情感分析模型，包含各种主流的情感词典、机器学习、深度学习、预训练模型方法☆86Updated 5 years ago
- 参考NER，基于BERT的电商评论观点挖掘和情感分析☆41Updated 5 years ago
- 基于字符级卷积神经网络的细粒度的中文情感分析以及具体的应用，将顾客打分和评论情感进行两极映射，使用数据自动标注和基于弱监督预训练的数据增强方式自动扩充和优化数据集，实验证实了在情感分类中，使用本文的字符级卷积神经网络(C-CNN-SA)可以在不依赖 分词的情况下，达到的精度和…☆41Updated 4 years ago
- 毕业论文代码 + 评论文本数据获取+数据清洗+文本数据向量化+将数据放进分类器（KNN+Naive Bayes+SVM）中训练+结果评估☆49Updated 2 years ago