情感分析词典

最新推荐文章于 2022-05-26 17:35:54 发布
最新推荐文章于 2022-05-26 17:35:54 发布
阅读量1.1k 收藏 1
点赞数 1
文章标签： python 情感分析 数据挖掘
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/qq_30803523/article/details/115233017
版权

情感分析词典

  • 知网Hownet
  • 台湾大学NTUSD
  • 清华大学——李军中文褒贬义词典
  • 常用停用词
  • 否定词
  • 其他词典和分类

下载链接

影修
关注
台湾大学NTUSD简体中文情感词典+知网Hownet情感词典+清华大学李军中文褒贬义词典+BosonNLP微博情感词典+停用词
06-21
找了一上午的情感词典，这些开源的词典在CSDN上全部需要高额的积分才能下载，十分耽误学习的时间。 因此将我搜集到的情感词典全部免费分享出来，主要包括台湾大学NTUSD简体中文情感词典+知网Hownet情感词典+清华大学李军中文褒贬义词典+BosonNLP+停用词，还有一些比较冷门的情感词典，需要的可以下载。
oracle 全文检索 词库,最全中文情感和语义词库（包含好几种）
weixin_30010987的博客
04-15 653
【实例简介】目前最全的中文情感词典，包括以下内容：1. 褒贬词及其近义词；2. 汉语情感词极值表；3. 清华大学李军中文褒贬义词典；4. 情感词典及其分类；5. 情感词汇本体；6. 台湾大学NTUSD简体中文情感词典；7. 知网Hownet情感词典。【实例截图】【核心代码】SentimentAnalysisWordsLib└── SentimentAnalysisWordsLib├── 台湾大学N...
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...
三个情感词典（Hownet，NTUSD，中文褒贬义词典）
11-13
三个情感词典包括知网Hownet、台湾大学NTUSD、清华大学李军中文褒贬义词典，也还有其他词典和其他分类。
中文情感分析常用词典-chinese_sentiment_dictionary-master.zip
08-08
# 中文情感分析常用词典 该库收集了包含 * 知网Hownet情感词典 * 台湾大学NTUSD简体中文情感词典 * 清华大学李军中文褒贬义词典 * BosonNLP
情感分析-情感词典
05-10
台湾大学情感词典，包含8276个neg_word,2810个pos_word.
用python实现基于情感词典的情感分析
07-25
用python实现基于情感词典的情感分析 大数据分析 用python实现基于情感词典的情感分析 大数据分析 用python实现基于情感词典的情感分析 大数据分析 用python实现基于情感词典的情感分析 大数据分析
目前市面上所有情感分析词典综合
08-03
目前市面上所有情感分析词典综合
NLP文本情感分析词典
07-03
《NLP文本情感分析词典》 在自然语言处理（NLP）领域，情感分析是一项重要的任务，它涉及对文本中的情绪、态度和观点进行识别和理解。这通常需要使用到特定的情感分析词典，这些词典包含了大量带有情感色彩的词汇...
NTUSD情感字典+清华情感字典+知网情感字典+其他网络最全
01-13
整理过的情感词汇合集 台湾大学NTUSD 知网情感字典 清华褒贬词汇 汉语情感字典
情感词极值表，台湾大学NTUSD简体中文情感词典，清华大学李军中文褒贬义词典
11-20
包含褒贬及其近义词，汉语情感词极值表，知网Hownet情感词典，台湾大学NTUSD简体中文情感词典，清华大学李军中文褒贬义词典
包含三个知名情感词典：知网Hownet、台湾大学NTUSD、清华褒贬义词典
06-23
包含三个知名情感词典：知网Hownet、台湾大学NTUSD、清华褒贬义词典。 附其他词典和分类：褒贬词及其近义词、否定词典汉语情感词极值表、情感词典及其分类、情感词汇本体
三种情感词典（知网Hownet+台湾大学NTUSD+清华大学李军中文褒贬义词典）
04-16
用于中文文本情绪识别等研究，内含知网Hownet+台湾大学NTUSD+清华大学李军中文褒贬义词典。
情感词典（知网Hownet、台湾大学NTUSD、清华大学李军中文褒贬义词典）
04-27
包含三个知名情感词典：知网Hownet、台湾大学NTUSD、清华大学李军中文褒贬义词典。 附其他词典和分类：褒贬词及其近义词、否定词典汉语情感词极值表、情感词典及其分类、情感词汇本体
情感分析相关汇总
技术札记
05-26 2234
文章目录情感分析语音情感识别句子or文档级别情感分析情感词汇字典大连理工大学中文情感词汇本体中文金融情感词典金融社交媒体数据应用的市场情绪词典中文情感分析常用词典台湾大学NTUSD简体中文情感词典BosonNLPABSA细腻度情感分析相关比赛【千言情感分析】SKEP句子级情感分析相关博客或者论文中文情感分析 (Sentiment Analysis) 的难点在哪？现在做得比较好的有哪几家？文本挖掘在商品评论中的应用研究——以烟草评论为例Twitter数据挖掘及其可视化电子邮件情感分析机器人-stanford
史上最全NLP工具数据集下载汇总，不用积分就能下载
08-18 588
清华动物类词汇词库 清华汽车类词汇词库 清华法律类词汇词库 清华饮食类词汇词库 清华医学名词词库 清华诗词词库 清华历史名人词库 清华成语词库 清华地名词库 清华财经类词汇词库 清华IT类词汇词库 5W条成语词库 中文缩写词库 台湾大学NTUSD简体中文情感词典 清华大学李军中文褒贬义词典 BosonNLP情感得分词典 大连理工中文情感词汇本体库 知网Hownet情感词典 中文敏感词库 中文停用词 StopWords 词库（百度停用词列表.txt，四川大学机器智能实验.
实体词典 情感词典_（全）情感词情感词典大全
weixin_31066503的博客
02-12 2219
【实例简介】(全)包括知网Hownet情感词典，台湾大学NTUSD简体中文情感词典，情感词汇本体，情感词典及其分类，清华大学李军中文褒贬义词典，汉语情感词极值表，否定词典，褒贬词及其近义词【实例截图】【核心代码】SentimentAnalysisDic└── SentimentAnalysisDic├── 知网Hownet情感词典│ ├── 主张词语(中文).txt│ ├── 主张词语(英...
python用知网情感分析词典写一段情感分类的代码
最新发布
02-16
可以使用Python中的NLTK（自然语言处理工具包）和知网情感分析词典来进行情感分类。 以下是一个使用知网情感分析词典进行情感分类的Python代码示例： 首先，导入所需的库和词典文件： ``` import jieba from nltk.corpus import CategorizedPlaintextCorpusReader from nltk.tokenize import word_tokenize # 加载知网情感分析词典 pos_dict_file = 'path/to/pos_dict.txt' neg_dict_file = 'path/to/neg_dict.txt' pos_dict = set([line.strip() for line in open(pos_dict_file, encoding='utf-8') if line.strip()]) neg_dict = set([line.strip() for line in open(neg_dict_file, encoding='utf-8') if line.strip()]) ``` 接下来，定义一个函数，用于对输入的文本进行情感分类： ``` def classify_sentiment(text): # 分词 words = jieba.cut(text) # 计算文本中正向情感词和负向情感词的数量 pos_count = sum([1 for word in words if word in pos_dict]) neg_count = sum([1 for word in words if word in neg_dict]) # 根据正向情感词和负向情感词的数量来判断情感倾向 if pos_count > neg_count: return 'positive' elif pos_count < neg_count: return 'negative' else: return 'neutral' ``` 最后，对输入的文本进行情感分类： ``` text = '这个电影真的很棒，非常值得一看！' sentiment = classify_sentiment(text) print(sentiment) # 输出：positive ``` 这段代码使用了中文分词工具jieba对输入的文本进行分词，然后遍历分词后的单词列表，计算其中正向情感词和负向情感词的数量，最后根据数量比较来判断情感倾向。如果正向情感词的数量多于负向情感词的数量，则将情感分类为“positive”，如果负向情感词的数量多于正向情感词的数量，则将情感分类为“negative”，如果两者数量相等，则将情感分类为“neutral”。
评论
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

打赏作者

影修

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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