搜索资源列表
SOApprocah方法的源程序下载
- SOApprocah方法的源程序下载 基于经典的PMI-IR方法，进行中文文本情感分类算法。,Download source SOApprocah methods based on the classic PMI-IR method for Chinese text classification algorithm emotion.
lingpipe-3.6.0
- 一个自然语言处理的Java开源工具包。LingPipe目前已有很丰富的功能，包括主题分类（Top Classification）、命名实体识别（Named Entity Recognition）、词性标注（Part-of Speech Tagging）、句题检测（Sentence Detection）、查询拼写检查（Query Spell Checking）、兴趣短语检测（Interseting Phrase Detection）、聚类（Clustering）、字符语言建模（Character
recognition
- 本实验语音库为免费的柏林情感语音库，其采样频率为16KHZ，16bit量化。该语音库共有500 句情感语音信号，分别由十名专业演员(5 男，5 女)在不同情感状态下（高兴、愤怒、平静、悲伤、害怕、厌烦、憎恨）朗读十句不同文本的德语组成。本实验选取其中的部分情感（高兴、愤怒、悲伤）加以识别。仿真实验环境为MATLAB7.0。 实验选取的情感特征为短时平均能量、短时平均幅度、基频和短时过零率。为了降低不同人在表达不同情感时的个人差异造成的影响，本文实验过程中将提取的情感特征进行归一化处理。归一化
Chinese-text-based-on-Naive-Bayes-
- 一种基于情感词典和朴素贝叶斯的中文文本情感分类方法-Feelings of the Chinese text based on emotional dictionaries and Naive Bayes classification
TextClassification
- 一个情感文本分类器。开发环境是vc6.0。水平有限，没有进行优化，执行的时间可能会比较长，但是能出结果。-An emotional text classifier. Development environment is vc6.0. Limited, not optimized, the execution time may be relatively long, but can result.
PMl-IR
- Blog信息源和信息量的广泛增长给中文文本分类带来了新的挑战。本文提出了—种基于PMI—IR算法的四种情感分类方法来对Blog文本进行情感分类。该方法以情感词语为中心，通过搜索引擎返回的结果来计算文本 中的情感要素和背景情感词之问的点互信息值，从而对文本进行情感分类。该方法在国家语言资源监测与研究中心网络媒体语言分中-心2008年度的Blog语料和COAE2008的语料上分别进行了测试。与传统方法相比准确率和召回率都有了较大的提高。-Development ofBIog texts info
NLP
- 中文文本情感分类。上课的课程作业，本着服务大家的思想上传，包括实验代码，实验数据，实验ppt以及实验报告。非常详细-Chinese text sentiment classification. Course work in class, in the service of everyone' s thoughts upload, including experimental code, test data, test and lab reports ppt. Very detailed.
SentimentClassification
- 任务描述：本实验要求对文本的情感态度进行二元分类(P/N)。这首先要求通过读入训 练数据并学习来建立一个文本模型，然后通过这一模型来判断测试文本的情感态度，并且与 所持有的标签进行对比，从而得到对该模型的评价。-Task Descr iption: This experiment requires emotional attitude text will be binary classification (P/N). This requires training data by read
tm
- 在文本挖掘领域中，**文本自动分类，判同，情感分析是文本挖掘比较常见的应用** 。***文本分类技术主要应用***在百度新闻，谷歌新闻等新闻网站，对新闻内容进行自动分类，并且实现根据用户专业倾向的文档推荐；搜索引擎去重，论文抄袭判别系统等。***情感分析技术主要应用***在电商评论分析系统，政府和媒体舆情监测系统等。***语意理解技术应用***在机器翻译、聊天机器人等。
按照极值分两类代码
- 按照极值表的文本情感分类，将对话中说话人A的情感分为积极，中性，消极。(Text affective classification)
文本深度挖掘
- 用于分析文档，分析情感指数，正负面情绪，及新闻分类(Used to analyze documents, analyze sentiment, positive and negative emotions, and classify news)
bosonnlp.py-master
- 基于中文的文本分析系统，包括情感分析、新闻分类、关键词提取等(A text analysis system based on Chinese, including sentiment analysis, news classification, keyword extraction, etc.)
CNN
- 卷积神经网络的源代码，用于微博博文文本情感分析的三分类。(Convolutional neural network source code for micro-blog Bowen text sentiment analysis of the three categories.)
LSTM做文本情感分类
- PYTHON 爬虫 LSTM做文本情感分类源码,简单分析摆渡情感新闻.
fish_base-master
- 实现文本情感分类的python程序,可以判断一段文字是中性，消极或者是积极的(it can be used for classfying the feelings of text)
keras-SRU-master
- 利用sru进行文本情感分析，三分类，速度快，准确率高，利用keras环境，实用性大。(Using SRU for text sentiment analysis, three categories, fast speed, high accuracy, using keras environment, practical.)
情感分类数据集-已分词
- 可用于文本情感分类的研究，其中的训练和测试集都已经过切分。