知网 - 情感分析用词语集（beta版）- 情感词库

已于 2023-06-19 10:15:09 修改
阅读量1.2w 收藏 32
点赞数 31
分类专栏： 学习 文章标签： 经验分享 课程设计
于 2020-02-27 16:43:14 首次发布
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_38534191/article/details/104539359
版权

找了很久的资源，免费的东西很多人收费下载，分享一下
http://www.keenage.com/html/c_index.html

也有很多其他的情感词库，知乎推荐
https://www.zhihu.com/question/20631050/answer/23454243

---------------------------更新：20230619-----------------------------
毕业好多年，没怎么看csdn账号信息，看很多小伙伴求第一个资源，翻了翻百度网盘大学文件的备份，找到一个压缩包，CSDN不能放百度网盘链接，有需要的同学发我邮箱，看到会回复的。

好像CSDN正文也不能放邮箱，个人主页简介是邮箱

评论区有一条我的评论，也有一个百度网盘链接，有需要的小伙伴可以试试，不行再联系~

在这里插入图片描述

超大玉螺旋丸
关注
  • 31
    点赞
  • 踩
  • 32
    收藏
    觉得还不错? 一键收藏
  • 25
    评论
专栏目录
基于Python的情感分析案例——知网情感词典
大明王
05-11 3万+
近期老师给我们安排了一个大作业，要求根据情感词典对微博语料进行情感分析。于是在网上狂找资料，看相关书籍，终于搞出了这个任务。现在做做笔记，总结一下本次的任务，同时也给遇到有同样需求的人，提供一点帮助。 1、情感分析含义 情感分析指的是对新闻报道、商品评论、电影影评等文本信息进行观点提取、主题分析、情感挖掘。情感分析常用于对某一篇新闻报道积极消极分析、淘宝商品评论情感打分、股评情感分析、电影评论情感挖掘。情感分析的内容包括:情感的持有者分析、态度持有者分析、态度类型分析（一系列类型如喜欢（like），讨厌
《知网》情感分析用词语集（beta
07-10
《知网》情感分析用词语集（beta版《知网》情感分析用词语集（beta版
中国知网情感词典HOWNET
11-03
2007年10月22日 知网发布“情感分析用词语集（beta版）”1. “中文情感分析用词语集”，现包含如下6个子文件： “正面情感”词语，如：爱，赞赏，快乐，感同身受，好奇，喝彩，魂牵梦萦，嘉许 ... “负面情感”词语，如：哀伤，半信半疑，鄙视，不满意，不是滋味儿，后悔，大失所望 ... “正面评价”词语，如：不可或缺，部优，才高八斗，沉鱼落雁，催人奋进，动听，对劲儿 ... “负面评价”词语，如：丑，苦，超标，华而不实，荒凉，混浊，畸轻畸重，价高，空洞无物 ... “程度级别”词语， “主张”词语 2. “英文情感分析用词语集”；现包含词语8945，其中包括如下6个子文件： “正面
知网 hownet 情感词库
12-07
知网 hownet 情感词库 中文正面评价词语 3730 中文正面情感词语 836 等等
最全中文情感词库
02-02
目前最全的中文情感词典，包括以下内容： 褒贬词及其近义词 ,汉语情感词极值表, 清华大学李军中文褒贬义词典, 情感词典及其分类, 情感词汇本体, 台湾大学NTUSD简体中文情感词典, 知网Hownet情感词典。
【项目实战】Python实现基于LDA主题模型进行电商产品评论数据情感分析
京斗码农的博客
10-17 2万+
说明：这是一个机器学习、数据挖掘实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。 前言 在21世纪人工智能大数据时代，网上购物已经成为大众生活的重要组成部分。人们在电商平台上浏览商品并购物，产生了海量的用户行为数据，用户对商品的评论数据对商家具有重要的意义。利用好这些碎片化、非结构化的数据，将有利于企业在电商平台上的持续发展，同时，对这部分数据进行分析，依据评论数据来优化现有产品也是大数据在企业经营中的实际应用。 ...
基于Python实现对情感极性判断分析实验
毕业作品网站
05-29 2922
在实验三中，我利用gensim第三方库完成语料的训练，将训练了300维的vector，并基于pytorchpytorchpytorch框架构建逻辑回归模型，针对酒店评价数据集进行训练，最终在测试集上达到了**91.2%**的正确率，均高于实验一和实验二中的结果。在本次自然语言处理实验中，我分别基于规则、朴素贝叶斯、逻辑回归进行情感语料极性判断。之所以选择该project是因为之前没有任何相关基础，想先从简单的项目做起，能够较为细致且全面地了解（作为小白而言）相关知识。
基于情感词典的情感分析
热门推荐
S-H_A-N
01-19 8万+
思路以及代码都来源于下面两篇文章：一个不知死活的胖子：Python做文本情感分析之情感极性分析 Ran Fengzheng 的博客：基于情感词典的文本情感极性分析相关代码基于情感词典的情感分析应该是最简单的情感分析方法了，大致说一下使用情感词典进行情感分析的思路：对文档分词，找出文档中的情感词、否定词以及程度副词，然后判断每个情感词之前是否有否定词及程度副词，将它之前的否定词和程度副词划分为一个组...
基于Python的情感极性判断（基于规则、基于逻辑回归、基于朴素贝叶斯）
毕业作品网站
04-20 6067
在实验一中，我利用基于规则的方法，完成了对酒店评价语料的情感分析，最终的正确率为68.7%。在实验二中，我构建了朴素贝叶斯分类器，并引入CHI特征、TF-IDF特征、Top-k、对数计算、平滑处理等tricks，最终达到了**88.7%**的正确率，显著高于实验一中的结果。在实验三中，我利用gensim第三方库完成语料的训练，将训练了300维的vector，并基于pytorchpytorchpytorch。
知网情感分析常用词语库.rar
06-09
《知网》情感分析常用词语集，（包括情感、评价、程度级别、主张词语）分正负面以及中英文
情感分析词库.zip
11-06
zip包里包含情感分析所需要的程度级别词语，积极词库，消极词库，否定词，总结了知网，大连理工等词库，实用有效！！！
知网情感分析词数据
10-08
数据来自hownet知网数据下载中心 该数据能很好的用来情感分析研究
知网自然语言技术包，中文情感分析词库
08-16
自然语言理解技术原产出物，基于这个数据底层进行开发了很多 NLP平台，可以学习保存
python 基于情感词典的情感分析之乐，惧，惊，哀，恶，怒和未知七种情感分析
qq_36489878的博客
01-03 1万+
背景 情感分析是通过计算技术对文本内容的主观客观性、情绪等挖掘分析，对文本的情感偏向做出判断。目的是识别出文本中的具体情感分类，之前做文本分类都是通过深度学习或者机器学习进行文本分类，但是需要进行数据标注，对于上述其中情感的分类，有相应的情感词典，想通过情感词典的方式进行七分类情感分析。 1.数据准备 1.1 情感词典准备 中文情感词汇本体库是大连理工大学信息检索研究室在林鸿飞教授的...
2019年用户流失分析（二）——Python实现
qq_40304090的博客
08-09 1459
3.3 工单情况分析（舆情分析） 13241个用户一年内的工单数为8480条，里面有用户投诉与报障的具体内容信息。我们可以对投诉与报障内容进行情感分析，利用LDA主题模型提取内容关键信息，了解用户的需求、意见，提出改善的建议。 有价值的内容信息数据需要通过中文分词、停用词处理、语义歧义处理、情感打分、情感修正等等一系列的文本处理。（本次使用的情感词表是2007年10...
基于情感字典的文本情感极性分析
chenpe32cp的博客
09-02 1万+
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。按照处理文本的类别不同，可分为基于新闻评论的情感分析和基于产品评论的情感分析。其中，前者多用于舆情监控和信息预测，后者可帮助用户了解某一产品在大众心目中的口碑。 目前常见的情感极性分析方法主要是两种：基于情感词典的方法和基于机器学习的方法。 数据准备 1.情感词典及对应分数 词典来源于BosonNLP数据
如何利用情感词典做中文文本的情感分析？
老马的程序人生
05-17 1万+
如何利用情感词典做中文文本的情感分析？ 这是本学期在大数据哲学与社会科学实验室做的第四次分享了。 第一次分享的是：如何利用“wordcloud+jieba”制作中文词云？ 第二次分享的是：如何爬取知乎中问题的回答以及评论的数据？ 第三次分享的是：如何做中文文本的情感分析？ 本次给大家分享的是利用情感词典进行中文文本分类的方法，这种方法是对人的记忆和判断思维的最简单的模拟，如图所示。 我们首先通过学习来记忆一些基本词汇，如否定词语有“不”，积极词语有“喜欢”、“爱”，消极词语有“讨厌”、“恨”等，从而在大脑
基于知网情感词典的情感分析代码
最新发布
06-08
以下是基于知网情感词典的情感分析代码示例，使用Python实现： ```python import jieba # 加载情感词典 def load_sentiment_dict(file_path): sentiment_dict = {} with open(file_path, 'r', encoding='utf-8') as f: for line in f: word, score = line.strip().split('\t') sentiment_dict[word] = float(score) return sentiment_dict sentiment_dict = load_sentiment_dict('sentiment_dict.txt') # 计算情感得分 def get_sentiment_score(text): words = jieba.lcut(text) sentiment_score = 0 for word in words: if word in sentiment_dict: sentiment_score += sentiment_dict[word] return sentiment_score # 测试代码 text = '这个产品真的很好用，非常满意' sentiment_score = get_sentiment_score(text) if sentiment_score > 0: print('该文本为积极情感') elif sentiment_score < 0: print('该文本为消极情感') else: print('该文本为中性情感') ``` 其中，'sentiment_dict.txt'是情感词典文件的文件名，每行格式为“词语\t情感得分”。'jieba'是一个中文分词库，需要先安装并导入。在计算情感得分时，首先使用jieba库对文本进行分词，然后对每个分词进行情感得分累加，最后根据得分正负值判断情感极性。需要注意的是，该情感分析代码是基于单个文本的情感分析，如果需要对文本集合进行情感分析，可以使用相应的循环或apply函数实现。

“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 25
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