文本情感分析求助

问题描述

我在做中文情感分析的项目,目前想用基于语义的方法,使用情感词典进行分析,但一直没有搜到参考的代码,有没有大神有相关的代码,只要关于中文情感分析就行,最简单的也可以,小女子代码能力不强,完全自己写写不出来呐,求助~~~邮箱:yangjie_qust@163.com

解决方案

解决方案二:
你先来给我们培训一下“情感分析”的知识吧。
解决方案三:
情感分析?是what?
解决方案四:
求科普~情感分析
解决方案五:
新手都喜欢研究高大上的东西你想编人工智能,就自己慢慢研究呗,这东西会有现成的?
解决方案六:
这根本无关代码能力强不强的问题问题是你根本提不出一个解决方案来实现你这个功能而不是你已经想好了要这么做只不过不知道怎么翻译成代码"有没有大神有相关的代码,只要关于中文情感分析就行"如果你提不出任何具体的需求,也不可能给你一段具体的代码
解决方案七:
如果有这样的代码是不是也可以分析人语言的情感分析~那智能机器人岂不是真的能造出来了
解决方案八:
求科普情感分析
解决方案九:
1:建立情感字典,主要字段包括情感词,情感系数;2:对中文语句分词;3:与情感字典进行匹配:4:根据情感系数和一定规则判断情感。我没做过,是瞎编的
解决方案十:
是不是问题中加上"小女子"3个字就会很多人来回答?既然你是小女子,你BOSS怎么忍心给你这样的题目?
解决方案十一:
你妹!你妹。两个词的情感系数是多少。求科普。。
解决方案十二:
引用10楼Yokeqi的回复:

你妹!你妹。两个词的情感系数是多少。求科普。。

其实分析一下标点符号就好了,叹号越多情感越丰富.比如说:你妹!!!!!!!!!!!!!!!!!
解决方案十三:
引用楼主yangjie_qust的回复:

我在做中文情感分析的项目,目前想用基于语义的方法,使用情感词典进行分析,但一直没有搜到参考的代码,

这问题的起因到死是“没有搜到参考的代码”呢?还是根本就不知道以“情感分析”这个来开题算不算噱头呢?这就要看你是否对情感分析真的有研究了。
解决方案十四:
引用楼主yangjie_qust的回复:

小女子代码能力不强,完全自己写写不出来呐,求助~~~邮箱

把你得情感分析论文拿来,一公斤干货换100行代码。
解决方案十五:
引用10楼Yokeqi的回复:

你妹!你妹。两个词的情感系数是多少。求科普。。

人家是“基于语义的分析”的,标点符号看来不怎么起作用。人家是分析“师妹”跟“湿妹”的语义结构上的区别,然后再计算出作者投入多少情感的。
解决方案:
引用楼主yangjie_qust的回复:

我在做中文情感分析的项目,目前想用基于语义的方法,使用情感词典进行分析,但一直没有搜到参考的代码,有没有大神有相关的代码,只要关于中文情感分析就行,最简单的也可以,小女子代码能力不强,完全自己写写不出来呐,求助~~~邮箱:yangjie_qust@163.com

求爆照!看看你是不是小女子
解决方案:

解决方案:
还得结合上下文片段1a:没纸了,给我递一卷纸进来.b:你妹!片段2a:昨天你和谁去开房了?b:你妹!你告诉我片段2表达的意思的是a的妹妹还是和片段1的意思一样
解决方案:
给大神跪了……随便说了点什么就求代码……完全不知道这东西怎么实现的。。引用5楼Z65443344的回复:

这根本无关代码能力强不强的问题问题是你根本提不出一个解决方案来实现你这个功能而不是你已经想好了要这么做只不过不知道怎么翻译成代码"有没有大神有相关的代码,只要关于中文情感分析就行"如果你提不出任何具体的需求,也不可能给你一段具体的代码

很对
解决方案:
引用9楼diaodiaop的回复:

是不是问题中加上"小女子"3个字就会很多人来回答?既然你是小女子,你BOSS怎么忍心给你这样的题目?

一语中的
解决方案:
引用17楼wawd74520的回复:

还得结合上下文片段1a:没纸了,给我递一卷纸进来.b:你妹!片段2a:昨天你和谁去开房了?b:你妹!你告诉我片段2表达的意思的是a的妹妹还是和片段1的意思一样

这例子举得精髓
解决方案:

解决方案:

解决方案:
楼上的你们都够了!简单的就按字数啊笔画啊或者拼音什么的来个情感报告。真的要做情感分析这种高达上的东西,可以参加百度的智能机器人项目或者中科研啊什么的,日本的智能机器人已经可以做出情感反应了,这些csdn应该没人会的,问错地方了。
解决方案:
引用23楼q3310017的回复:

楼上的你们都够了!简单的就按字数啊笔画啊或者拼音什么的来个情感报告。真的要做情感分析这种高达上的东西,可以参加百度的智能机器人项目或者中科研啊什么的,日本的智能机器人已经可以做出情感反应了,这些csdn应该没人会的,问错地方了。

补充:楼主你不知道程序员是低情商动物么?他们做情感分析,我脚的是不靠谱的
解决方案:
引用8楼u012071890的回复:

1:建立情感字典,主要字段包括情感词,情感系数;2:对中文语句分词;3:与情感字典进行匹配:4:根据情感系数和一定规则判断情感。我没做过,是瞎编的

说实话,我是看在“小女子”这三个字的面子上才编的
解决方案:
该回复于2016-05-31 23:30:15被版主删除
解决方案:
先学会分词技术吧.然后把感情类词组分类,设立相应的值,用值来判断情感值.

时间: 2025-01-30 12:53:43

文本情感分析求助的相关文章

JAVA实现文本情感分析

问题描述 应该怎么做,思路有哪些?求指导? 解决方案 解决方案二:词库检索喜怒哀乐每个词库都弄点词语什么语气助词全填上,然后统计每个词库中出现词语的总次数,最后最多的那一类即文本情感.解决方案三:1.建立情感词库,可能还要为每个词定义权重也叫阈值以及该情感词汇所属的情感类别2.进行文本分词3.根据分词结果提取情感词汇,标记每个词汇出现的次数4.将词汇根据情感类别分类,然后根据每个词的阈值计算每类情感的值:词次数*权重,然后求和5.根据每类情感的值分析文本最可能的情感解决方案四:该回复于2014-

语义分析-情感分析(文本或语句),求助一些基本知识

问题描述 情感分析(文本或语句),求助一些基本知识 路过的各位看过情感分析的,求帮忙推荐一些材料,我之前看了一些用朴素贝叶斯进行文本情感分析的一些资料,但是总有一些地方不太明白,求一些基本的计算的例子(链接也行): 朴素贝叶斯进行语句(或文本)情感分析的计算例子 最大熵进行语句(或文本)情感分析的计算例子 SVM进行语句(或文本)情感分析的计算例子 没有例子,能说明白怎么计算的也行 有其中一个就行,说不准看了一个,其它的就能明白了,看明白了才能继续编程实验,现在就卡在这里了 路过的各位,谢谢了

如何科学地蹭热点:用python爬虫获取热门微博评论并进行情感分析

前言:本文主要涉及知识点包括新浪微博爬虫.python对数据库的简单读写.简单的列表数据去重.简单的自然语言处理(snowNLP模块.机器学习).适合有一定编程基础,并对python有所了解的盆友阅读. 甩锅の声明 1.本数据节选自新浪热门微博评论,不代表本人任何观点 2.本人不接受任何非技术交流类批评指责(夸我可以) 3.本次分析结果因技术问题存在一定误差(是引入的包的问题,不是我的) 4.本次选取热门微博为一个月以前的(翻译一下:热点已经冷了,我只是个写教程的) 顶锅盖逃 继上次更完"国庆去

手把手教你如何用 Python 做情感分析

商品评论挖掘.电影推荐.股市预测--情感分析大有用武之地.本文帮助你一步步用Python做出自己的情感分析结果,难道你不想试试看? 需求 如果你关注数据科学研究或是商业实践,"情感分析"(sentiment analysis)这个词你应该不陌生吧? 维基百科上,情感分析的定义是: 文本情感分析(也称为意见挖掘)是指用自然语言处理.文本挖掘以及计算机语言学等方法来识别和提取原素材中的主观信息. 听着很高大上,是吧?如果说得具体一点呢? 给你一段文本,你就可以用情感分析的自动化方法获得这一

《中国人工智能学会通讯》——6.21 情感分析应用系统

6.21 情感分析应用系统 在上述分析技术的支持下产生了大批基于情感分析的系统和应用.总体来看,它们应用在商品 / 服务评论分析.社交网络分析.情感机器人这三方面. 传统的情感分析应用聚焦于来自消费产品和服务的评论.基于产品评论的代表性平台有 GoogleShopping 5 ,它还可以为用户提供在线购物平台的商品检索和比价服务:OpinionEQ 6 允许商业组织和个人按需定制产品分析服务. 微博.Twitter 等社交网络服务的爆炸式发展也为研究人员带来了极大的机遇,研究人员能够通过分析大量

如何用R进行文本内容的情感分析

一.关于文本内容的情感分析 一篇文章反映了什么态度?褒义还是贬义?肯定还是否定?喜怒哀乐愁,反映的是哪种情绪特征?对这些内容的分析就是情感分析,或者叫情感倾向分析.情感倾向 可认为是主体对某一客体主观存在的内心喜恶,内在评价的一种倾向.当然,有正常阅读能力的人,在看了一篇文章后能够判断文章的情感和极性,但这是主观体 验,不是量化数据.在对文章进行分析的时候,通常需要进行量化的分析,显得更加直观.客观. 情感分析基本上有两种方法,一种是极性分析,一种是情感类别分析.前者分析文章的总体态度是肯定还是

python-用Python做网络文本的情感分析

问题描述 用Python做网络文本的情感分析 本人自然语言处理一窍不通,但有一紧急任务要处理.求大牛用Python给我的一份文本做情感分析啊! 解决方案 https://textblob.readthedocs.org/en/latest/#features

PaperWeekly 第十九期 --- 新文解读(情感分析、机器阅读理解、知识图谱、文本分类)

引 本期的PaperWeekly一共分享四篇最近arXiv上发布的高质量paper,包括:情感分析.机器阅读理解.知识图谱.文本分类.人工智能及其相关研究日新月异,本文将带着大家了解一下以上四个研究方向都有哪些最新进展.四篇paper分别是: 1.Linguistically Regularized LSTMs for Sentiment Classification, 2016.11 2.End-to-End Answer Chunk Extraction and Ranking for Re

每周论文清单:高质量文本生成,多模态情感分析,还有一大波GAN | PaperDaily #26

[ 自然语言处理 ] Multi-channel Encoder for Neural Machine Translation@Synced 推荐Neural Machine Translation 文章提出了一种多信道编码器(MCE)模型,可改进传统神经机器翻译(NMT)模型单一信道编码的缺点.该模型在中英翻译上的 BLEU 值提升了超过 6 个百分点,在英法翻译上用单层模型取得了可与深层模型媲美的效果. 论文链接https://www.paperweekly.site/papers/1342