使用Pytorch [WIP]进行情感分析 更新/注意：大家好，我不再使用此存储库了！ 请自行决定使用，因为我认为强烈建议您不要使用它。 实际上，这只是我在Pytorch首次推出时对其进行的测试。 由于我基本上是用TF编写代码，因此无法回答此存储库中的任何问题。 另外，大约一年多以前，我对此进行了编码。 谢谢！ 在SemEval 2014上使用RNN / GRU / LSTM进行基于方面的情感分析的Pytorch示例。 目前，我们实现了基线LSTM / RNN / GRU模型，该模型在最后一个输出上具有线性层，以及基于目标的情感分析（ABSA）的依赖于目标的TD-LSTM（Tang等，2015）模型。 序列从前面填充零，以便最后一个向量不为零。 我们使用keras pad序列将它们填充在prepare脚本中。 到目前为止，没有任何东西被掩盖，我们填充到最大长度。 有两种预测模式，即

基于方面的情感分析 基于方面的情感分析任务专注于识别方面类别和文本中的情绪（正面，负面，中性）分类。 基于方面的情感分析的目的是确定针对特定方面表达的情感极性。 该系统基于使用支持向量机（SVM）的监督学习。 多标签svc分类器用于将笔记本电脑评论分为20个方面类别，还可以将评论分为正面，负面或中性。 对于每种情感，都使用多标签svc分类器。 系统的性能也与其他分类器进行了比较。 数据集 所需的库 Scikit学习 纳尔特克 大熊猫 麻木 PS：这是加德满都大学计算机科学与工程系最后一年的一个为期2个月的速成课程（NLP）的微型项目。

SemEval-2014 Task 4数据集 细粒度情感分析，方面级情感分析数据集，包括Restaurants和Laptops两部分

关系抽取数据集，公开数据集，主要为监督学习方法。一共包含8000个训练句子、2717个测试句子，目前在测试集上最好结果f1值为89.5.

SemEval2014情感分析的数据集，包含Restaurants和LapTops两类。训练集、测试集、验证集。

SemEval 2020 - Task 6数据集 主要用于 文本分类、序列标注、关系抽取任务。包含训练集、验证集。非常适用于有监督的机器学习算法或者深度学习算法。

semeval数据集，包括2014-2016laptop和restaurant的训练和测试数据。PS：XML格式

semeval-2016-task-5 情感分析数据集 英文数据集 情感分析的文本 标签和方面级

SemEval-2014 Task 4数据集主要用于细粒度情感分析，包含Laptop和Restaurant两个领域，每个领域的数据集都分为训练数据、验证数据（从训练数据分离出来）和测试数据，非常适用于有监督的机器学习算法或者深度学习算法，如LSTM等。文件格式为.xml。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025