没有合适的资源?快使用搜索试试~
我知道了~
文库首页
人工智能
机器学习
情感分析-酒店评论预料
情感分析-酒店评论预料
共2000个文件
txt:4000个
情感分析
需积分: 14
13 下载量
200 浏览量
2017-12-09
14:44:33
上传
评论
1
收藏
1.21MB
RAR
举报
温馨提示
立即下载
语料从携程网上自动采集,并经过整理而成。为了方便起见,语料被整理成1个子集: ChnSentiCorp-Htl-ba-4000: 平衡语料,正负类各2000篇。
资源详情
资源评论
收起资源包目录
情感分析-酒店评论预料
(2000个子文件)
neg.1432.txt
4KB
neg.1434.txt
4KB
neg.1841.txt
3KB
neg.1851.txt
3KB
neg.1548.txt
2KB
neg.1547.txt
2KB
neg.1252.txt
2KB
neg.670.txt
2KB
pos.719.txt
2KB
pos.709.txt
2KB
neg.1506.txt
2KB
neg.1359.txt
2KB
neg.36.txt
2KB
neg.730.txt
2KB
pos.545.txt
2KB
pos.554.txt
2KB
pos.318.txt
2KB
neg.1995.txt
2KB
neg.1996.txt
2KB
neg.360.txt
2KB
neg.359.txt
2KB
neg.1673.txt
2KB
neg.1675.txt
2KB
neg.745.txt
2KB
neg.860.txt
2KB
neg.1245.txt
2KB
neg.1738.txt
2KB
neg.1737.txt
2KB
neg.1082.txt
2KB
neg.608.txt
2KB
neg.1230.txt
2KB
neg.1229.txt
2KB
neg.161.txt
2KB
neg.1145.txt
2KB
pos.1749.txt
2KB
neg.1318.txt
2KB
neg.1452.txt
1KB
neg.1447.txt
1KB
neg.231.txt
1KB
neg.1904.txt
1KB
neg.1903.txt
1KB
neg.444.txt
1KB
neg.445.txt
1KB
neg.945.txt
1KB
neg.548.txt
1KB
neg.549.txt
1KB
neg.1550.txt
1KB
neg.1551.txt
1KB
neg.1288.txt
1KB
neg.1289.txt
1KB
pos.195.txt
1KB
pos.185.txt
1KB
neg.1038.txt
1KB
neg.1037.txt
1KB
neg.230.txt
1KB
neg.975.txt
1KB
neg.1658.txt
1KB
neg.1430.txt
1KB
neg.1431.txt
1KB
neg.739.txt
1KB
neg.1345.txt
1KB
neg.1344.txt
1KB
neg.1102.txt
1KB
neg.1684.txt
1KB
pos.629.txt
1KB
neg.774.txt
1KB
pos.896.txt
1KB
pos.888.txt
1KB
neg.1044.txt
1KB
neg.1048.txt
1KB
pos.1767.txt
1KB
neg.1672.txt
1KB
neg.1674.txt
1KB
neg.1691.txt
1KB
pos.711.txt
1KB
pos.721.txt
1KB
pos.716.txt
1KB
pos.706.txt
1KB
neg.251.txt
1KB
neg.252.txt
1KB
neg.482.txt
1KB
neg.1075.txt
1KB
neg.1858.txt
1KB
neg.1183.txt
1KB
pos.713.txt
1KB
pos.723.txt
1KB
neg.442.txt
1KB
neg.1131.txt
1KB
pos.1087.txt
1KB
neg.1332.txt
1KB
neg.1962.txt
1KB
neg.1396.txt
1KB
neg.125.txt
1KB
neg.390.txt
1KB
neg.1162.txt
1KB
neg.160.txt
1KB
neg.1926.txt
1KB
neg.1442.txt
1KB
neg.753.txt
1KB
neg.754.txt
1KB
共 2000 条
1
2
3
4
5
6
20
评论
收藏
内容反馈
立即下载
评论0
去评论
最新资源
全卷积网络基于voc2012数据集简单pytorch实现
pycharm的一些介绍-用于更好的学习python
基于C++的程序设计大赛天梯赛L2答案(天梯赛)
基于python实现的三次样条插值和均值插值法实现
Python语言教程2-python批量图片大小处理-多文件夹
Python语言教程1-python批量图片重命名,将后缀某几个不想要的字去除
Space Combat Kit 太空战斗套件Unity游戏开发插件资源unitypackage C#
Universal Device Preview 通用设备预览Unity游戏开发插件资源unitypackage
Paladin Anim Set 圣骑士动画集Unity游戏动作动画插件资源unitypackage
计算机财务管理期末考报表部分题目及答案.doc
zct_zzy
粉丝: 0
资源:
3
私信
上传资源 快速赚钱
前往需求广场,查看用户热搜
相关推荐
中文情感分析 酒店评论预料
为了弥补国内在中文情感挖掘方面的语料的匮乏,谭松波收集整理了一个较大规模的酒店评论语料。语料规模为10000篇。语料从携程网上自动采集,并经过整理而成。为了方便起见,语料被整理成4个子集: 1.ChnSentiCorp-Htl-ba-2000: 平衡语料,正负类各1000篇。 2.ChnSentiCorp-Htl-ba-4000: 平衡语料,正负类各2000篇。 3.ChnSentiCorp-Ht
5星 · 资源好评率100%
中文情感分析酒店评论预料
语料从携程网上自动采集,并经过整理而成。为了方便起见,语料被整理成1个子集: ChnSentiCorp-Htl-ba-2000: 平衡语料,正负类各1000篇。
中文情感挖掘的酒店评论语料
1.ChnSentiCorp-Htl-ba-2000: 平衡语料,正负类各1000篇。 2.ChnSentiCorp-Htl-ba-4000: 平衡语料,正负类各2000篇。 3.ChnSentiCorp-Htl-ba-6000: 平衡语料,正负类各3000篇。 4.ChnSentiCorp-Htl-unba-10000: 非平衡语料,正类为7000篇。
5星 · 资源好评率100%
中文情感分析 语料数据 酒店评论
这是覃建波老师的酒店评论数据集,是公认的情感分析语料数据,做中文自然语言处理情感分析所用。
酒店评价语料库
为了弥补国内在中文情感挖掘方面的语料的匮乏,谭松波收集整理了一个较大规模的酒店评论语料。语料规模为10000篇。语料从携程网上自动采集,并经过整理而成。为了方便起见,语料被整理成4个子集: 1.ChnSentiCorp-Htl-ba-2000: 平衡语料,正负类各1000篇。 2.ChnSentiCorp-Htl-ba-4000: 平衡语料,正负类各2000篇。 3.ChnSentiCorp-
4星 · 用户满意度95%
测试-谭松波--酒店评论语料
测试-谭松波--酒店评论语料测试-谭松波--酒店评论语料测试-谭松波--酒店评论语料测试-谭松波--酒店评论语料
5星 · 资源好评率100%
酒店评价-带情感标签-情感分析训练集
自然语言处理中情感分析需要用到的训练集,内含2000条正向评价与2000条负向评价。
ChnSentiCorp_htl_ba_4K.zip
基于【谭松波ChnSentiCorp-Htl-ba-4000: 平衡语料,正负类各2000篇】的【改良版】语料库。原语料库夹杂着许多重复评论、垃圾评论,以及被错误分类的评论,影响分类模型的评价指数。本语料库4000评论都已经过人工整理,耗时三天,用作训练集获得的模型质量更高。经测非常好用!
情感分析数据集(正面10000条,负面5000条)
吸收了 谭松波 非平衡酒店评论语料库(7000条正面,3000条负面,有部分重复数据),加上我从携程上抓取的数据,经过繁简转换、去重、去掉4字以下过短评论,形成最终的评论数据集(10000条正面,5000条负面,文本中每行为一个评论),欢迎下载使用!ps.数据正负面归类是按照携程上“值得推介”和“有待改善”栏目做初步区分,然后再经过人工筛选剔除归类错误的数据形成,因此难免会有错误,欢迎修正!358
4星 · 用户满意度95%
青岛全部61家如家酒店在携程上的评论
青岛全部61家如家酒店在携程上的评论,可以导入数据库,做数据分析用。总共4万条数据
5星 · 资源好评率100%
酒店评论情感分析1
摘要:本文采用酒店评论数据集进行情感分析,通过机器学习和基于情感词典两种方法进行分析比较。其中,机器学习方法采用了多种算法,有支持向量机、神经网络、朴素贝叶斯以
情感分析酒店评论 正-2000条,负-2000条
情感极性分析是对带有感情色彩的主观性文本进行分析、处理、归纳和推理的过程。该文档为酒店情感正负评论数据集
中文情感酒店评论语料
共22000条酒店评论情感分析语料,包括pos积极语料,neg消极语料。
5星 · 资源好评率100%
美国酒店评论,仪表盘和情感分析
美国酒店评论,仪表盘和情感分析 数据集: :
中文酒店情感分析语料,标注了打分1-5分,可用于多分类,train12000,条,test4000条,非utf-8编码
中文酒店情感分析语料,标注了打分1-5分,可用于多分类,train12000,条,test4000条,非utf-8编码
酒店评论pos2000neg2000
包含酒店评论pos2000,neg2000,可用来做小型机器学习语义分析训练集
3000余条酒店在线评论
可用于评论挖掘,特征提取,情感计算等等
谭松波-酒店评论语料-UTF-8,10000条
现在网上大部分谭松波老师的评论语料资源的编码方式都是gb2312,本资源除了原始编码格式,还具有UTF-8编码格式。 本资源还包含将所有语料分成pos.txt和neg.txt两个文件,每个文件中的一行代表原始数据的一个txt文件,即一篇评论
5星 · 资源好评率100%
谭松波博士的文本分类软件的一个训练和测试的文本集合
谭松波博士的文本分类软件的一个训练和测试的文本集合,从他主页下载,谢谢分享
5星 · 资源好评率100%
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。
英文评论情感分析.rar
英文情感分析语料库,包含积极消极两个方面的评价,用于神经网络模型深度学习方面,为需要训练集的同学们提供优质的英文评论数据集,仅供科研学习之用,欢迎下载使用!
人工智能+Python+酒店评论+情感分析
利用Python实现酒店评论的情感分析 情感极性分析,即情感分类,对带有主观情感色彩的文本进行分析、归纳。情感极性分析主要有两种分类方法:基于情感知识的方法和基于机器学习的方法。基于情感知识的方法通过一些已有的情感词典计算文本的情感极性(正向或负向),其方法是统计文本中出现的正、负向情感词数目或情感词的情感值来判断文本情感类别;基于机器学习的方法利用机器学习算法训练已标注情感类别的训练数据集训练分
情感分析评论训练数据
深度学习 情感分析 训练数据
中文评论情感分析数据集
谭松波中文评论情感分析,1为正向情感,0为负向情感,
汽车评论情感分析数据集
汽车评论情感分析数据集,源码 自然语言处理 情感分析
京东评论数据集,用于评论情感词分析
京东评论数据集
rescore:电影评论的情感分析
#rescore 出自电影分级被打破的想法。 像电影这样复杂的东西如何用单个分数来表示? 我们认为这是不可能的,幸运的是,一个解决方案正在等待中-输入评分! rescore会收集用户评论并为您阅读这些评论-在此过程中跟踪不同的因素,情感和演员。 然后,此信息将用于构建简短的表达性摘要。 #贡献 货叉→PR→我马上就可以了。
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
5星 · 资源好评率100%
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0
最新资源