VIP会员

情感分析：细粒度用户评论情感分析

细粒度用户评论情感分析 在线评论的细粒度情感分析对于深刻理解商家和用户，挖掘用户情感等方面有实质性的价值，并且在互联网行业有极其广泛的应用，主要用于个性化推荐，智能搜索，产品反馈，业务安全等。 依赖 Python 3.5 PyTorch 0.4 数据集 使用AI Challenger 2018的细粒度用户评论情感分析数据集，共包含6大类20个细粒度要素的情感倾向。 数据说明 数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务，位置等要素；；层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”，“排队等候时间”等细粒度要素。评价对象的具体

细粒度用户评论情感分析数据集(2018-AI-challenger)

共包含6大类20个细粒度要素的情感倾向.数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。每个细粒度要素的情感倾向有四种状态：正向、中性、负向、未提及.

用户评论情感分析数据集（细粒度）收集于（AI-challenger比赛）2018

共包含6大类20个细粒度要素的情感倾向.数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。每个细粒度要素的情感倾向有四种状态：正向、中性、负向、未提及

评论情感分析数据集

xls格式，评论情感分析的数据集，比较小的数据集，很适合用来验证模型，进行实验。

AI Challenger中英双语数据集

“AI Challenger全球AI挑战赛”将开放超过1000万条中英文翻译数据、70万个人体动作分析标注数据、30万张图片场景标注和语义描述数据，是国内迄今公开的规模最大的科研数据集。

自然语言处理数据集-某外卖平台收集的用户评价，正向 4000 条，负向 约 8000 条.rar

某外卖平台收集的用户评价，正向 4000 条，负向 约 8000 条 情感/观点/评论 倾向性分析 某外卖平台 中文短文本情感分析语料 外卖评价

AI Challenger 2018 细粒度用户评论情感分析数据集

一个高质量的海量数据集，共包含6大类20个细粒度要素的情感倾向。含有训练集、验证集和测试集

基于中文的外卖评价语料库waimai_10k.csv

中文外卖评价语料waimai_10k.csv格式，很好用的语料库，做nlp用。

细粒度用户评论情感分析数据集 AI Challenger 2018.rar

细粒度用户评论情感分析数据集 AI Challenger 2018.rar

AI Challenger 细粒度用户评论情感分析

AI Challenger 全球AI挑战赛”是面向全球人工智能人才的开源数据集和编程竞赛平台，致力于满足AI人才成长对高质量丰富数据集的需求，推动AI在科研与商业领域结合来解决真实世界的问题。AI Challenger以服务、培养AI...

Al_challenger细粒度情感分析数据集

Al_challenger细粒度情感分析数据集，包含ai_challenger_sentiment_analysis_testa_20180816、ai_challenger_sentiment_analysis_trainingset_20180816、ai_challenger_sentiment_analysis_validationset_20180816

AIChallenger2018细粒度用户评论情感分析比赛个人baseline项目.zip

AIChallenger2018细粒度用户评论情感分析比赛个人baseline项目

情感分析数据集

情感分析的数据集。斯坦福大学收集的。。。。。。。。。

2018细粒度用户评论情感分析.rar

2018 AI challenge挑战赛细粒度用户评论情感分析数据集。

Ai—challenger数据集细粒度情感分析

在线评论的细粒度情感分析对于深刻理解商家和用户、挖掘用户情感等方面有至关重要的价值，并且在互联网行业有极其广泛的应用，主要用于个性化推荐、智能搜索、产品反馈、业务安全等。本次比赛我们提供了一个高质量的海量数据集，共包含6大类20个细粒度要素的情感倾向。参赛人员需根据标注的细粒度要素的情感倾向建立算法，对用户评论进行情感挖掘，组委将通过计算参赛者提交预测值和场景真实值之间的误差确定预测正确率，评估所提交的预测算法。

面向产品评论的细粒度情感分析

面向产品评论的细粒度情感分析

LSTM情感分析数据集.zip

里面包含nlp情感分析训练测试时所使用的数据集（正例，负例），以及词向量文件。

美团外卖在线评论10万条

这是10万条美团评论，可以用来做一些小型语料库，解析好的，附带评论星级等

中文短文本情感分析语料 外卖评价

短文本情感分析语料,某外卖平台收集的用户评价,正负各8000条,共16000条

DataFountain 互联网新闻情感分析数据集

比赛原始数据集，包括了提交示例，训练集、测试集四个文件 随着各种社交平台的兴起，网络上用户的生成内容越来越多，产生大量的文本信息，如新闻、微博、博客等，面对如此庞大且富有情绪表达的文本信息，完全可以考虑通过探索他们潜在的价值为人们服务。因此近年来情绪分析受到计算机语言学领域研究者们的密切关注，成为一项进本的热点研究任务。

AI Challenger 2018美团评价数据集

数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。

AI_Challenger_2017:AI Challenger，一个面向全球人工智能（AI）人才的开放数据集和编程竞赛的平台

AI挑战者2017 ## AI Challenger是一个面向全球人工智能（AI）人才的开放数据集和编程竞赛的平台。 要参与，请访问 。 评估 包含AI挑战者比赛的评估脚本。 每个竞赛轨道的脚本分别在单独的文件夹中提供。 基准线 我们还为某些比赛项目提供了基准模型。 请记住，这些只是基准，仅用于帮助您入门。 除非对模型进行了重大改进，否则您应该只期待适度的结果。 祝你好运！

人工智能-项目实践-情感分析-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

人工智能-项目实践-情感分析-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 题目介绍 该题目为《细粒度用户评论情感分析》，来源于“全球AI挑战赛”。https://challenger.ai/competition/fsauor2018 ...

Python-aichallenger2018细粒度情感分类第一名解决方案

ai challenger 2018细粒度情感分类第一名解决方案,统一使用tensorflow和pytorch的一个框架

AI Challenger 2018 细粒度用户评论情感分析比赛 个人baseline项目.zip

全国大学生电子设计竞赛（National Undergraduate Electronics Design Contest），试题，解决方案及源码。计划或参加电赛的同学可以用来学习提升和参考。程序均是实战案例，经过测试可直接运行。...

tensorflow-wordvec-AI challenger 2018中的情感分析数据集data.rar

tensorflow-wordvec-AI challenger 2018中的情感分析数据集data.rar

Python-2018AI挑战赛用户评论细粒度情感分析方案

Code for Fine-grained Sentiment Analysis of User Reviews of AI Challenger 2018