政务微博的网友评论正负向语料，情感分析模型训练不求人

最新推荐文章于 2023-05-06 21:24:28 发布
最新推荐文章于 2023-05-06 21:24:28 发布
阅读量1.8k 收藏 9
点赞数 4
分类专栏： 情感分析 Python基础知识 文章标签： 深度学习 机器学习
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_43814415/article/details/122569068
版权

在做网络舆情方向的科研，发现很少有政务微博下的正向或负向评论的语料，这对情感分析模型的训练造成了很大困扰，于是我挑选了此次西安疫情的部分舆情，人工识别分类出正负向评论语料用作模型训练。
链接：

https://github.com/stay-leave/weibo-public-opinion-analysis/tree/main/emotional%20analysis

正向语料：
在这里插入图片描述负向语料：
在这里插入图片描述

灵海之森
关注
  • 4
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
实战五十：基于机器学习朴素贝叶斯的微博评论情感分析实战（毕设项目 完整的代码+数据集）
01-13 3099
实战五十：基于机器学习朴素贝叶斯的微博评论情感分析实战（毕设项目 完整的代码+数据集）
新浪微博，情感分析标记语料共12万条_新浪微博
06-05
本资源为自己人工标记的微博语料，分为消极pos.txt，积极neg.txt 各60000条，适用于机器学习情感分析，训练数据原数据
微博评论情感分析（NLP，LSTM）
qq_44886972的博客
05-06 1万+
主要工作就是通过对120000条微博评论的数据集训练模型，预测评论的情绪倾向，将情绪结果简单的分为积极情绪和消极情绪。虽然在训练集和测试集上表现的不错，但是经过自己的手动测试发现效果不太好。原因应该是数据集的数据质量不高，没有做数据清洗（后续可以尝试）其中的很多评论会掺杂很多一些符号表情的代码和@符号。尽管如此，本文的代码是可以套用到别的数据集中的，如果有需要可以使用自制数据集获得更好的模型。希望本文的整套流程可以为朋友们带来一些帮助。PS：全篇实现过程全部为套用别的文章，如有雷同，算我抄袭。
nlp英文正负向情感分析语料库.zip
03-14
语料库的数据还是很多的，全部训练完后你的情感分析精度能提升很多。推荐下载。内含正负向语料库。总体来说价值还是挺高的
正负面情感词（中文 来源微博）
热门推荐
jzy3711的博客
12-03 1万+
负面： 搥胸顿足 哀哀切切  哀愁  哀怜  哀悯  哀戚  哀凄  哀切  哀伤  哀痛  哀痛欲绝  哀怨  哀恸  哀矜  傲视  懊恨  懊悔  懊恼  懊丧  百无聊赖  败兴  板脸  板面孔  板起脸  板着脸  板着面孔  半信半疑  包容  褒贬  睖睁  抱不平  抱憾  抱憾终身  抱恨  抱恨终生  抱恨终天  抱疚  抱愧  抱歉  抱怨  暴跳  暴跳如雷  杯弓蛇影...
新浪微博，情感分析标记语料共12万条
02-18
本资源为自己人工标记的微博语料，分为消极pos.txt，积极neg.txt 各60000条，适用于机器学习情感分析，训练数据原数据
毕业设计项目,微博语料情感分析，文本分类
datayx的文章
05-10 4440
向AI转型的程序员都关注了这个号????????????人工智能大数据与深度学习 公众号：datayx 微博的强大影响力已经深深的吸引了更多的人加入。而对微博...
情感语料
VergiL Wang的专栏
07-19 1034
http://www.searchforum.org.cn/tansongbo/corpus-senti.htm
nlp 短文本情感分析 微博语料库 带标记
04-25
nlp 短文本情感分析 微博语料库 带标记
微博情感分析语料.rar
08-09
谷歌Google 中文BERT中文预训练模型 chinese_L-12_H-768_A-12.zip。BERT本质上是一个两段式的NLP模型。第一个阶段叫做：Pre-training，跟WordEmbedding类似，利用现有无标记的语料训练一个语言模型。第二个阶段叫做：Fine-tuning，利用预训练好的语言模型，完成具体的NLP下游任务。可以测试对这个语料库进行分析。
情感语料库
10-24
用于语音情绪识别的语料库资料，还是蛮好的。希望用于模式识别的同学们能够用得到。
微博用户评论情感分析python代码（数据规模20w）
06-06
完整可运行的python代码。 数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等， 每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。
情感分析正负面词典
01-16
用于中文自然语言情感倾向性分析基础词典，作为基础词典，可以用于文章的情感倾向分析。
微博情感分析 mysql_利用500万条微博语料对微博评论进行情感分析
weixin_39926394的博客
02-05 525
原标题：利用500万条微博语料对微博评论进行情感分析最近身边的人都在谈论一件事：10月8日中午的一条微博，引发了一场微博的轩然大波。导致微博瘫痪的原因是全球超人气偶像明星鹿晗发了一条“大家好，给大家介绍一下，这是我女朋友@关晓彤 ‘’。这条微博并@关晓彤。数据分析，可以在这里自取！截止目前，鹿晗的这条微博已经被转发1024887，回复2649409，点赞5173532。l 关晓彤的这条微博转发67...
2.利用TensorFlow进行电影评论的正负判断(文本分类)
coder
07-13 2215
这次是利用TensorFlow进行文本分类,判断电影评价是正面还是负面的.IMDB数据集包含5万个评论,其中2.5万作为训练集,2.5万作为测试集.训练集和数据集相当意味着正负样本数一样. 一.下载IMDB数据集 IMDB数据集经过处理,将单词序列转成数字序列,每一个数字在字典中代表中一个特定的单词.下载的代码如下,下载在文件夹/root/.keras/datasets下面,文件名是imdb....
中文情感分析语料整理
08-13
# 语料库说明 ------------------------------------------------------------------------ ## 词典 1、HowNet 情感词典 2、ntusd 情感词典 3、情感分析停用词表 4、结巴分词自定义词典 5、常用语词典，包括流行新词，网络流行词，手机词汇，粤语，潮语潮词、阿里巴巴-通讯产品词汇等 ## 手机评论数据 1、HTC手机评论，包括打分，共302篇1-5 2、魅族手机评论，包括打分，共529篇1-5 3、诺基亚手机评论，包括打分，共614篇1-5 4、OPPO手机评论，包括打分1-5，共553篇 5、三星手机评论，包括打分1-5，共762篇 6、中兴手机评论，包括打分1-5，共785篇 7、摩托罗拉手机评论，包括打分1-5，共990篇 8、整合：正面评论1084篇，负面评论524篇 ## 淘宝商品评论数据 1、正面评论一万篇，负面评论一万篇 2、待预测的语料一万篇 ## 2012微博情感分析数据 共三个任务，数据集来自腾讯微博，每个话题1,000条，总约两万条微博 1、观点句与非观点句的判别 2、情感分类 3、情感要素抽取 ## 谭松波酒店评论语料 正负样本不平衡，正样本7,000，负样本3000，共10,000. ## 酒店、服装、水果、平板、洗发水 正负样本均5,000，总样本数50,000
中文微博情感数据库（2分类数据集）
06-28
中文微博情感数据库（2分类数据集） 带情感标注的微博语料数量: 10000(train.txt)+500(test.txt) 数据格式： 文档的每一行代表一条语料 每条语料的第一个数据为微博对应的mid,是每条微博的唯一标签,可以通过"https://m.weibo.cn/status/" + mid 访问到该条微博的网页(部分微博可能已被博主删除) 第二个数据为情感标签, 0表示负面, 1表示正面 其余后面部分都是微博文本 微博表情都被转义成[xx]的格式, 如: avatar被标记为[doge] avatar被标记为[允悲] 微博话题/地理定位/视频、文本超链接等都转义成了{%xxxx%}的格式，使用正则可以很方便地将其清洗
C语言写一个DSP的FFT变换算法
最新发布
09-11
### 回答1： 以下是一个简单的C语言实现FFT（快速傅里叶变换）算法的示例代码： ```c #include <stdio.h> #include <math.h> #define PI 3.14159265358979323846 // 计算离散傅里叶变换（DFT） void dft(double *in, double *out, int n) { int i, j; double re, im; for (i = 0; i < n; i++) { re = 0.0; im = 0.0; for (j = 0; j < n; j++) { double angle = 2.0 * PI * i * j / n; re += in[j] * cos(angle); im -= in[j] * sin(angle); } out[2 * i] = re; out[2 * i + 1] = im; } } // 计算FFT void fft(double *in, double *out, int n) { if (n == 1) { out[0] = in[0]; out[1] = 0.0; } else { int i; double even[n/2], odd[n/2]; double even_fft[2*(n/2)], odd_fft[2*(n/2)]; for (i = 0; i < n/2; i++) { even[i] = in[2*i]; odd[i] = in[2*i+1]; } fft(even, even_fft, n/2); fft(odd, odd_fft, n/2); for (i = 0; i < n/2; i++) { double angle = 2.0 * PI * i / n; double re = cos(angle) * odd_fft[2*i] - sin(angle) * odd_fft[2*i+1]; double im = cos(angle) * odd_fft[2*i+1] + sin(angle) * odd_fft[2*i]; out[2*i] = even_fft[2*i] + re; out[2*i+1] = even_fft[2*i+1] + im; out[2*i+(n/2)*2] = even_fft[2*i] - re; out[2*i+(n/2)*2+1] = even_fft[2*i+1] - im; } } } int main() { double in[] = {1.0, 0.0, -1.0, 0.0}; double out[8]; int n = sizeof(in) / sizeof(double); printf("输入数据：\n"); for (int i = 0; i < n; i++) { printf("%f + %fi\n", in[2*i], in[2*i+1]); } fft(in, out, n); printf("傅里叶变换后数据：\n"); for (int i = 0; i < n; i++) { printf("%f + %fi\n", out[2*i], out[2*i+1]); } return 0; } ``` 该示例代码中实现了两个函数，一个是计算离散傅里叶变换（DFT）的函数dft，另一个是计算FFT的函数fft。FFT是一种优化过 ### 回答2： C语言中可以使用库函数来实现FFT（快速傅里叶转换）算法，比如使用FFTW（The Fastest Fourier Transform in the West）库。 为了使用FFTW库，您需要引入相应的头文件，并链接FFTW库。以下是一个使用FFTW库进行FFT变换的简单示例代码： ```c #include <stdio.h> #include <fftw3.h> #define N 8 int main() { double in[N], out[N]; fftw_complex *out_cpx; fftw_plan p; // 初始化输入序列 in[0] = 1.0; in[1] = 2.0; in[2] = 3.0; in[3] = 4.0; in[4] = 5.0; in[5] = 6.0; in[6] = 7.0; in[7] = 8.0; // 分配输出序列内存 out_cpx = (fftw_complex*)fftw_malloc(sizeof(fftw_complex) * N); // 创建FFT变换计划 p = fftw_plan_dft_r2c_1d(N, in, out_cpx, FFTW_ESTIMATE); // 执行FFT变换 fftw_execute(p); // 输出结果 for (int i = 0; i < N; i++) { out[i] = out_cpx[i][0]; // 实部部分存储在0索引位置 printf("X[%d] = %f + %fj\n", i, out_cpx[i][0], out_cpx[i][1]); } // 释放内存 fftw_destroy_plan(p); fftw_free(out_cpx); return 0; } ``` 在这个示例代码中，首先定义了一个大小为N的输入序列in，然后分配了一个大小为N的复数数组out_cpx用于存储结果。接下来，我们创建了一个DFT（离散傅立叶变换）计划p，这里使用的是实数到复数（r2c）的变换。然后，通过fftw_execute函数执行变换并将结果存储在out_cpx数组中。最后，我们输出了变换结果。 以上是一个基本的使用FFTW库进行FFT计算的示例。如果需要更复杂或高性能的FFT实现，可以进一步研究FFTW库的文档，并根据需求进行调整。 ### 回答3： C语言中有一种常用的FFT变换算法，可以实现数字信号的频域分析和滤波等功能。下面是一个简单的C语言程序，实现了基于DIT（Decimation-In-Time）的FFT变换算法。 ```c #include <stdio.h> #include <math.h> #define PI 3.14159265358979323846 typedef struct { double real; double imag; } Complex; void fft(Complex* x, int N) { if(N <= 1) return; // 分离奇偶项 Complex* even = malloc(N/2 * sizeof(Complex)); Complex* odd = malloc(N/2 * sizeof(Complex)); for(int i = 0; i < N/2; i++) { even[i] = x[2*i]; odd[i] = x[2*i + 1]; } // 递归计算奇偶项的FFT fft(even, N/2); fft(odd, N/2); // 合并奇偶项的FFT for(int k = 0; k < N/2; k++) { Complex t; double omega = 2 * PI * k / N; t.real = cos(omega) * odd[k].real + sin(omega) * odd[k].imag; t.imag = cos(omega) * odd[k].imag - sin(omega) * odd[k].real; x[k].real = even[k].real + t.real; x[k].imag = even[k].imag + t.imag; x[k + N/2].real = even[k].real - t.real; x[k + N/2].imag = even[k].imag - t.imag; } free(even); free(odd); } int main() { int N = 4; // 要进行FFT变换的序列长度 Complex x[N]; // 输入序列 // 初始化输入序列 x[0].real = 1; x[0].imag = 0; x[1].real = 2; x[1].imag = 0; x[2].real = 3; x[2].imag = 0; x[3].real = 4; x[3].imag = 0; // 调用FFT函数进行变换 fft(x, N); // 输出变换结果 for(int i = 0; i < N; i++) { printf("[%d] %f + %fi\n", i, x[i].real, x[i].imag); } return 0; } ``` 这个程序通过递归调用fft函数，对输入的序列进行FFT变换。具体的过程是，首先将输入序列分为奇数项和偶数项，然后递归计算奇偶项的FFT变换。最后，按照FFT变换的公式，合并奇偶项的结果。最后的结果就得到了输入序列的FFT变换结果。 以上是一个简单的C语言程序，实现了基于DIT的FFT变换算法。实际应用中，还需要进行FFT结果的频谱分析、滤波等操作来实现DSP的功能。

“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
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

灵海之森

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