WhatTong / Text-classificationLinks
电影评论情感分类,基于Pytorch
☆15Updated 5 years ago
Alternatives and similar repositories for Text-classification
Users that are interested in Text-classification are comparing it to the libraries listed below
Sorting:
- 基于pytorch进行文本多分类,主要模型为双向LSTM,预测准确率83%☆44Updated 5 years ago
- 软件工程课程设计项目/Lab409:基于词典方法和机基于器学习方法的中文情感倾向分析(Web)☆124Updated 7 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☆57Updated 7 years ago
- 情感分析三分类☆29Updated last year
- 朴素贝叶斯实现的文本分类(新闻分类)☆65Updated 9 years ago
- 基于深度学习(LSTM)的情感分析(京东商城数据)☆176Updated 4 years ago
- 电影评论情感分析,利用LSTM进行分类,数据集为IMDB情感分析数据集,使用已经训练好的词典向量模型☆26Updated 7 years ago
- CCF大数据比赛,基于主题的文本情感分析☆95Updated 7 years ago
- 用LSTM进行文本的情感分析☆188Updated 5 years ago
- 毕业设计--面向高考招生咨询的问答系统设计与实现☆96Updated 2 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
- 使用pytorch, 基于textCNN以及BiLSTM进行中文情感分析、 文本分类☆63Updated 6 years ago
- 基于电影评论数据的中文情感分析(含训练数据、验证数据) Machine Learning and Deep Learning implementations.☆81Updated 2 years ago
- 基于情感字典的情感分析模型☆41Updated 8 years ago
- Emotional Analysis of Comments on Commodities, based on word2vec+LSTM☆20Updated 5 years ago
- 利用CNN,LSTM,CNN_LSTM,TextCNN,Bi-LSTM和传统的机器学习算法进行情感分析,参考:https://github.com/Edward1Chou/SentimentAnalysis☆92Updated 6 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☆55Updated 4 years ago
- 文本聚类 k-means算法及实战☆55Updated 6 years ago
- 情感分析系统,用于分析用户评论是积极还是消极。其中使用了逻辑回归函数、决策树、支持向量机、神经网络等不同的模型进行训练☆34Updated 6 years ago
- 基于朴素贝叶斯实现的豆瓣影评情感分析☆101Updated last month
- 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
- 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、☆81Updated 6 years ago
- 中文文本分类与聚类☆10Updated 7 years ago
- 使用CNN网络对用户评论进行情感分析☆24Updated 7 years ago
- gensim-word2vec+svm文本情感分析☆105Updated 7 years ago
- 基于机器学习的商品评论情感分析——毕业设计项目☆193Updated 2 years ago
- 基于Keras使用LSTM对电商评论进行情感分析☆49Updated 7 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☆122Updated 6 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)☆103Updated 4 years ago
- 基于深度学习的新闻 分类推荐系统(Spring Boot作为客户端,Keras作为服务端)☆50Updated 5 years ago