egnq / aspect_level_sentiment_analysis
面向细粒度的情感分析,2018年度AI Challenger全球AI挑战赛
☆15Updated 2 years ago
Related projects ⓘ
Alternatives and complementary repositories for aspect_level_sentiment_analysis
- 疫情期间 网民情绪识别比赛分享+top1~3解决方案☆51Updated 4 years ago
- 利用bert预训练模型生成句向量或词向量☆28Updated 4 years ago
- 新闻文本自动摘要, 以Textrank 为基础,融入 标题特征,单句位置特征,重要实体特征,线索词特征,做句子的综合权重计算,并使用MMR算法,兼顾自动摘要的主题相关性和摘要多样性。☆25Updated 2 years ago
- 基于CNN、RNN、GCN、BERT的中文文本分类☆43Updated last year
- 本项目采用Keras和Keras-bert实现文本多标签分类任务,对BERT进行微调。☆65Updated 3 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)☆29Updated 3 years ago
- bert pytorch模型微调用于的多标签文本分类☆125Updated 5 years ago
- smp ewect code☆75Updated 4 years ago
- 多模型中文cnews新闻文本分类☆50Updated 4 years ago
- 细粒度的情感分析(属性词提取,句法依存分析)☆35Updated last year
- Aspect Based Sentiment Analysis 基于方面的细粒度情感分析☆167Updated 2 years ago
- 基于word2vec预训练词向量; textCNN 模型 ;charCNN 模型 ;Bi-LSTM模型;Bi-LSTM + Attention 模型 ;Transformer 模型 ;ELMo 预训练模型 ;BERT 预训练模型的文本分类项目☆113Updated 4 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。☆100Updated 5 years ago
- Ai_challenge2018_nlp细粒度情感分析——代码复现☆21Updated 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
- 一个基础且完整的细粒度情感分析(ABSA,Aspect based sentiment analysis)案例☆78Updated 4 years ago
- Pytorch Bert+BiLstm二分类☆37Updated 3 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
- 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
- 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
- 多标签多分类的textCNN☆12Updated 4 years ago
- Sentiment Analysis-Pytorch(情感分析的Pytorch实现)☆57Updated 4 years ago
- 利用bert和textcnn解决多标签文本分类的demo。☆29Updated 2 years ago
- 文本分类baseline:BERT、半监督学习UDA、对抗学习、数据增强☆98Updated 3 years ago
- 多标签文本分类☆53Updated 5 years ago
- 基于Pytorch实现的一些经典自然语言处理模型中文短文本分类任务,包含TextCNN,TextRCNN,FastText,BERT,ROBERT以及ERNIE☆51Updated 4 years ago
- 多标签文本分类☆28Updated 2 years ago
- Pytorch进行长文本分类。这里用到的网络有:FastText、TextCNN、TextRNN、TextRCNN、Transformer☆44Updated 4 years ago
- 基于pytorch + bert的多标签文本分类(multi label text classification)☆90Updated last year