数据集：谭松波--酒店评论语料、人脸68位关键点、WIDE Face数据集

最新推荐文章于 2024-06-08 06:02:03 发布
最新推荐文章于 2024-06-08 06:02:03 发布
阅读量4.1k 收藏 15
点赞数 10
分类专栏： 数据集 NLP 机器学习 文章标签： NLP 文本挖掘 语料集
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LiuKingJia/article/details/104228617
版权
机器学习 同时被 3 个专栏收录
8 篇文章 0 订阅
订阅专栏
数据集
2 篇文章 0 订阅
订阅专栏
NLP
2 篇文章 0 订阅
订阅专栏
Haven.Liu
关注
  • 10
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
专栏目录
情感分类--中文语料
rumusan
03-15 1737
title: 情感分类–中文语料data: 2017-03-04tags: NLTK折腾了几天终于上午用nltk实现了中文语料的分类。把整个流程记录一下。中文语料用的是谭松波老师的酒店分类的语料库，有四个版本：2000(balanced)、4000(balanced)、6000(balanced)、10000(unbalanced)。语料库结构如下：-ChnSentiCorp_htl_ba_2000
谭松波老师——酒店评论语料-数据集
03-30
谭松波老师收集整理的酒店评论语料，一共有6000条评价预料，其中包含负面的3000条保存在neg文件夹中、正面的3000条保存在pos文件夹中。语料数据来源网络，如有侵权，请联系删除。再次感谢谭松波老师花费时间和心血...
谭松波--酒店评论语料.rar
09-27
谭松波--酒店评论语料.rar
谭松波--酒店评论语料(neg+pos)2000.zip
06-26
自然语言处理、 文本挖掘、 数据格式 TEXT 数据介绍 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。
widerface人脸检测数据集VOC+YOLO格式16094张1类别
最新发布
FL1623863129的博客
06-08 287
为了更好研究人脸检测数据集，特将widerface人脸检测数据集转成VOC+YOLO格式，以方便进行yolo系列训练。重要说明：这个是widerface数据集一部分，该数据集特点是每个图片bbox的像素面积都大于3500，适合大脸检测就是人近距离进行人脸检测，使用该数据集好处是不容易误检测，远距离人脸检测可能就会效果差点。数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:["face"]
情感分析资源大全（语料、词典、词嵌入、代码）
热门推荐
qq280929090的专栏
04-27 6万+
　　该博客收集情感分析领域中一些语料、词典等。 1 语料库 1.1 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。 　　下载地址为：谭...
300W 、300W-LP、300W-3d-face数据集
q838458640的博客
03-18 2630
Face Alignment Across Large Poses: A 3D Solution 原文地址：http://www.cbsr.ia.ac.cn/users/xiangyuzhu/projects/3ddfa/main.htm 下载地址： [300W-3D]: https://drive.google.com/file/d/0B7OEHD3T4eCkRFRPSXdFWEhRdlE/view?usp=sharing [300W-3D-Face]: https://drive.google.c
谭松波酒店评价情感分析代码以及数据集获取
m0_51146762的博客
09-30 2020
一：谭松波酒店评价是本地就有的，读者也可以自己爬取微博数据或其他的数据集也可以 链接：https://pan.baidu.com/s/1TrumHVMk-Kc4PJz8INMYbg 提取码：xsa7 其中有一个是积极评价，消极评价。以及一个停用词 二：对评价进行情感分析，本文中做的工作是将预料划分为积极和消极两种情感，目前使用的是SVM模型进行训练，但是该模型训练效果较差，后期会改用其他模型 达到准确率为76% 其中正向95%左右 负面55%左右（由于使用的数据集是不对称数据集，负面语料较少） .
谭松波--酒店评论语料（utf-8+gb2312）
10-31
谭松波老师的评论语料资源 gb2312，除了原始编码格式，还有UTF-8编码格式的，在这里一起分享给大家， 还将所有语料分成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，更加的...
测试-谭松波--酒店评论语料
04-11
【标题】"测试-谭松波--酒店评论语料"所指的，是一个专门用于测试和分析的酒店评论数据集，由知名数据科学家谭松波提供。这样的数据集在自然语言处理（NLP）领域非常常见，主要用于训练和评估文本分类、情感分析、...
中文评论情感分析数据集
01-31
谭松波中文评论情感分析，1为正向情感，0为负向情感，
酒店评论语料-UTF-8,10000条
05-23
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
最新Landmark人脸68个关键点检测dat模型库-数据亲测真实可用.zip
04-07
dat文件,具体名称为shape_predictor_68_face_landmarks.dat 人脸68个关键点：嘴巴，鼻子，眼睛，眉毛，轮廓等 Landmark人脸68个关键点检测dat模型库
Landmark人脸68个关键点检测dat模型库(shape_predictor_68_face_landmarks.dat)
05-14
Landmark人脸68个关键点检测dat模型库(shape_predictor_68_face_landmarks.dat)
谭松波-酒店评论语料-UTF-8,10000条
04-19
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
ChatGPT实现语义分析情感分类
shiyunzhe2021的博客
04-26 1206
因此，想用 ChatGPT 做实际的文本标注工作，还是要学习如何使用 openai 公司的 API 接口，本书后续章节也有针对性的内容可以参照。张无忌心中一片迷惘，想起赵敏盈盈笑语、种种动人之处，只觉若能娶赵敏为妻，长自和她相伴，那才是生平至福，但一转念间，立时忆起殷离脸上横七竖八、血淋淋的剑伤来，忙道：“赵姑娘是我大仇，我要杀了她为表妹雪恨。正向情绪溢于言表，负向情绪藏起来没明说，一多一少，总体就依然是正向的"喜欢"。review 是评论文本，label 是情感分类标记，为 1 表示正向，0 表示负向。
300WLP、AFLW2000-3D、Biwi Kinect Head Pose Database姿态数据的读取
pursuit_zhangyu的博客
09-01 3571
300WLP真实标签的读取 300WLP数据有成对的图片(jpg)和标签组成的，标签都以mat形式保存的，里面包含了了【'__header__', '__version__', '__globals__', 'pt2d', 'roi', 'Illum_Para', 'Color_Para', 'Tex_Para', 'Shape_Para', 'Exp_Para', 'Pose_Para'】 import h5py from scipy.io import loadmat import numpy a
【人脸对齐-Landmarks】300W 数据集
luckynote
03-13 1万+
300W 数据集是一个非常通用的人脸对齐数据集，也是近年来凡paper，都要出指标比对的必然数据集。 该数据集共计3148+689张图像，每个图像上包含不止一张人脸，但是对于每张图像只标注一张人脸。 该数据集包含的文件目录为：afw(337)，helen(train 2000+test 330)，ibug(135)，lfpw(train 811+test 224)。 该数据集训练集共计314...
在alink框架下对谭松波酒店数据集做情感分析（python实现），算法用逻辑回归并输出模型信息
06-06
好的，我来回答你的问题。 首先，需要下载谭松波酒店数据集，并在alink框架下进行情感分析。以下是Python代码实现： ```python from __future__ import print_function import subprocess import os import sys from sklearn.feature_extraction.text import TfidfTransformer from sklearn.feature_extraction.text import CountVectorizer from sklearn.linear_model import LogisticRegression # 下载谭松波酒店数据集 subprocess.call(["wget", "https://github.com/SophonPlus/ChineseNlpCorpus/raw/master/datasets/hotel_comment/hotel_comment.csv"]) # 读取数据集 with open('hotel_comment.csv', 'r', encoding='utf-8') as f: lines = f.readlines() # 数据预处理 labels = [] docs = [] for line in lines: data = line.split(',') label = int(data[0]) doc = data[1].strip() labels.append(label) docs.append(doc) # 将文本转换为向量 vectorizer = CountVectorizer() X = vectorizer.fit_transform(docs) # 计算TF-IDF transformer = TfidfTransformer() tfidf = transformer.fit_transform(X) # 训练逻辑回归模型 clf = LogisticRegression(random_state=0, solver='lbfgs', multi_class='multinomial') clf.fit(tfidf, labels) # 输出模型信息 print(clf.intercept_) print(clf.coef_) ``` 以上代码使用了CountVectorizer和TfidfTransformer转换文本向量，并使用逻辑回归算法进行训练和预测。最后输出了模型的截距和系数信息。 注意：由于数据集较大，上述代码可能需要一些时间来运行。 希望这个回答能够帮到你！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值