YuanyeMa / search-engine
信息检索与文本挖掘大作业1----搜索引擎
☆18Updated 2 years ago
Alternatives and similar repositories for search-engine:
Users that are interested in search-engine are comparing it to the libraries listed below
- 【信息检索课程设计】sdu新闻网站全站爬取+索引构建+搜索引擎☆59Updated 11 months 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)☆122Updated 7 years ago
- 一个自然语言处理的可视化系统,实现自动生成词云图、文章关键信息提取、多文档主题分布、文本分类等功能,还有一些业务数据的可视化图表展示。☆34Updated 4 years ago
- 情感分析三分类☆29Updated 8 months ago
- 信息检索实验: 问答系统设计与实现☆56Updated 5 years ago
- 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)☆54Updated 5 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☆24Updated 6 years ago
- 一个基于SnowNLP的新浪微博评论情感分析工具☆49Updated 7 years ago
- 上海交通大学 2021-2022-2-IS303 数据挖掘课程设计——爬取链家网上海二手房信息进行线性回归建模分析☆13Updated 2 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
- 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
- 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。☆47Updated 5 years ago
- 基于知识图谱的医疗问答系统和前端展示demo☆36Updated 10 months ago
- A QA System based by BiLSTM. 一个基于双向LSTM的智能问答系统,有交互界面、详细注释、多版本、能运行、文件齐全。☆17Updated 4 years ago
- 文本热点挖掘,基于DBSCAN聚类模型,对文本的热点事件进行挖掘☆43Updated 4 years ago
- 2020年第八届泰迪杯数据挖掘C题“智慧政务文本挖掘”特等奖作品(论文与代码)☆65Updated 4 years ago
- 基于朴素贝叶斯实现的豆瓣影评情感分析☆99Updated 3 years ago
- 通过python爬虫获取人民网、新浪等网站新闻作为训练集,基于BERT构建新闻文本分类模型,并结合node.js + vue完成了一个可视化界面。☆43Updated 3 years ago
- 对豆瓣影评进行文本分类情感分析,利用爬虫豆瓣爬取评论,进行数据清洗,分词,采用BERT、CNN、LSTM等模型进行训练,采用tensorboardX可视化训练过程,自然语言处理项目\A project for text classification, based on to…☆150Updated 2 years ago
- 实习实训大作业:基于python的电商产品评论数据情感分析☆26Updated 2 years ago
- 基于情感字典的情感分析模型☆40Updated 7 years ago
- CCF大数据比赛,基于主题的文本情感分析☆94Updated 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☆101Updated 5 years ago
- 用户评价情感分析系统☆23Updated last month
- 毕业设计,基于事理图谱的事件推理系统☆69Updated 4 years ago
- 基于pytorch进行文本多分类,主要模型为双向LSTM,预测准确率83%☆42Updated 4 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、☆79Updated 5 years ago
- 基于Hmm模型和Viterbi算法实现中文分词及词性标注,使用最大概率算法进行优化。人民日报语料:分词(F1:96.189%);词性标注(F1:97.934%)☆26Updated 2 years ago
- 微博评论爬取及nlp情感分析☆20Updated 7 years ago
- 毕业设计,基于自然语言处理的微博用户情感分析系统☆36Updated 2 years ago