python实现基于词典的文本情感分析，包含测试数据和实现代码

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。 本文使用python来做文本情感分析

基于卷积神经网络和注意力模型的文本情感分析 CNN Attention

为了将情感信息融入到词向量中，本文第一部分工作提出了两个情感词向量 学习框架，即，基于谷歌提出的Ｓｋｉｐ－ｇｒａｍ模型的框架和基于卷积神经网络模型 的框架。在每个框架中，根据情感和语义信息融合策略的不同，我们又分别提出 Ｈ个具体模型。为了验证学习得到的情感词向量是否包含语义和情感信息，本文 分别在不同语言、不同领域的多个数据集下进行了大量定性和定量的比较实验。 这部分相关工作分别发表在２０１５年ＩＡＬＰ会议和２０１６年ＩＪＣＮＮ会议

kaggle 电影评论情感分析（Bag of Words Meets Bags of Popcorn）的全部数据集，自己上网找了半天都找不到，最后是让同学上外网下的，在这里分享给想学习nlp的同学

基于tensorflow的IMDB文本情感分析完整代码（包含数据和词向量可直接运行），网络结构采用双层LSTM。

淘宝商品评价及新闻评论情感倾向分析，使用了python来实现。模型包括RNN和CNN

分中英文，分别包括程度级别词语，负面评价词语，负面情感词语，正面评价词语，正面情感词语，主张词语。

在30W的宾馆评论中，采用TF-IDF、CHI、SO-PMI等方法结合生成的面向评估评论领域的情感词典，示例如下： 周到 0.948878175759748 舒适 0.874236510936017 安静 0.870575044228372 热情 0.816626757038265 漂亮 0.806685156128692 不错 0.793740488482497 整洁 0.791215975691775 温馨 0.760592322762457 美 0.748611137335654 方便 0.731102822326942

短文本情感分析语料,某外卖平台收集的用户评价,正负各8000条,共16000条