الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

؟؟؟؟ تحليل شعور رائع ؟؟؟؟

قائمة برعاية أساليب تحليل المشاعر والتطبيقات و MISC.

تحليل المشاعر هو مجال الدراسة الذي يحلل آراء الناس ومشاعرهم والتقييمات والمواقف والعواطف من اللغات المكتوبة. (ليو 2012)

محتويات

  • محتويات
  • موضوعي
  • مقدمة
  • أوراق المسح
  • أنظمة خط الأساس
  • الموارد والشركات
  • تطبيقات مفتوحة المصدر
    • Nodejs
    • جافا
    • بيثون
    • ص
    • جولانج
    • روبي
    • Csharp
  • واجهات برمجة التطبيقات SaaS
  • تطبيقات الويب
  • المساهمة

موضوعي

الهدف من هذا المستودع هو توفير روابط كافية للعلماء الذين يرغبون في البحث في هذا المجال ؛ وفي الوقت نفسه ، تكون متاحة بما يكفي للمطورين الذين يرغبون في دمج تحليل المشاعر في تطبيقاتهم.

مقدمة

يحدث تحليل المعنويات على مستويات مختلفة:

  • يقوم تحليل المعنويات على مستوى المستند بتقييم شعور كيان واحد (أي منتج) من مستند مراجعة.
  • تحليل المعنويات على مستوى الجملة يقيم المشاعر من جملة واحدة.
  • تحليل المعنويات على مستوى الجانب يؤدي تحليلًا أدق الحبوب. على سبيل المثال ، الجملة "جودة مكالمة iPhone جيدة ، لكن عمر البطارية قصير". يقيم جانبين: جودة الاتصال وعمر البطارية ، من iPhone (الكيان). الشعور على جودة مكالمة iPhone إيجابية ، لكن الشعور بعمر البطارية سلبي. (ليو 2012)

تركز أحدث الأبحاث على الأساليب القائمة على الجانب. ولكن ليس كل تطبيقات OpenSource قد تم القبض عليها بعد.

هناك العديد من الأساليب المختلفة لحل المشكلة. الطرق المعجمية ، على سبيل المثال ، انظر إلى تواتر الكلمات التي تعبر عن المشاعر الإيجابية والسلبية (من IE Sentiwordnet) التي تحدث في الجملة المحددة. يمكن استخدام التعلم الآلي الخاضع للإشراف ، مثل Bayes Naive Bayes و Support Vector Machine (SVM) ، مع بيانات التدريب. نظرًا لأنه من الصعب الحصول على أمثلة التدريب ، يتم استخدام التعلم الآلي غير الخاضع للإشراف ، مثل تخصيص Dirichlet الكامن (LDA) وتضمينات الكلمات (Word2VEC) أيضًا على مجموعات بيانات كبيرة غير مسمونة. تطبق الأعمال الحديثة أيضًا أساليب التعلم العميق مثل الشبكة العصبية التلافيفية (CNN) والذاكرة الطويلة على المدى القصير (LSTM) ، وكذلك المتغيرات القائمة على الانتباه. ستجد المزيد من التفاصيل في أوراق المسح.

أوراق المسح

ليو ، بينج. "تحليل المشاعر واستخراج الرأي." محاضرات التوليف حول تقنيات اللغة البشرية 5.1 (2012): 1-167. [PDF]

Vinodhini ، G. ، و RM Chandrasekaran. "تحليل المشاعر واستخراج الرأي: دراسة استقصائية." المجلة الدولية 2.6 (2012): 282-292. [PDF]

Medhat و Walaa و Ahmed Hassan و Hoda Korashy. "خوارزميات وتطبيقات تحليل المشاعر: دراسة استقصائية." Ain Shams Engineering Journal 5.4 (2014): 1093-1113. [PDF]

أنظمة خط الأساس

وانغ وسيدا وكريستوفر مانينغ. "خطوط الأساس و bigrams: مشاعر بسيطة وجيدة وتصنيف موضوع." وقائع الاجتماع السنوي الخمسين لجمعية اللغويات الحاسوبية: أوراق قصيرة الحجم 2. جمعية اللغويات الحسابية ، 2012. [PDF]

كامبريا ، إريك ، دانييل أولشير ، وديراج راجاجوبال. "Senticnet 3: قاعدة معرفة مشتركة ومتوسطة لتحليل المشاعر التي تعتمد على الإدراك." وقائع مؤتمر AAAI الثامن والعشرين حول الذكاء الاصطناعي. Aaai Press ، 2014. [PDF]

الموارد والشركات

AFINN: قائمة الكلمات الإنجليزية المصنفة من أجل التكافؤ [الويب]

Sentiwordnet: مورد معجمي تم تصميمه لدعم تحليل المشاعر. [الويب] [ورقة]

قفاز: خوارزمية للحصول على ناقلات الكلمات. ناقلات Word PretRained متوفرة للتنزيل [Web] [Paper]

Semeval14-TASK4: الجوانب المشروحة ومشاعر أجهزة الكمبيوتر المحمولة ومراجعات المطاعم. [الويب] [ورقة]

Stanford Sentiment TreeBank: مجموعة بيانات المشاعر مع تعليقات عاطفية دقيقة [Web] [ورقة]

المعجم متعدد الأبعاد لعلاج العلاقات الشخصية [WEB] [ورقة]

تطبيقات مفتوحة المصدر

يتم وصف خصائص كل تنفيذ.

تحذيرات : مشكلة رئيسية في تحليل المشاعر هي حساسيتها تجاه المجال الذي يتم من الحصول عليه من بيانات التدريب ، أو تم بناء معجم معجم. [♠] كن حذرًا على افتراض أن التطبيقات خارج الجرف ستعمل لمشكلتك ، وتأكد من إلقاء نظرة على افتراضات النموذج والتحقق مما إذا كانت دقيقة على نطاقك الخاص [♦].

Nodejs

thisandagain/المشاعر: المعجمية ، القائمة على القاموس ، قائم على AFINN.

Thinkroth/العاطفي المعجمي ، القائم على القاموس ، القائم على AFINN.

جافا

LingPipe: التعلم الآلي المعجمي ، القائم على الجسم ، خاضع للإشراف

Corenlp: التعلم الآلي الخاضع للإشراف ، التعلم العميق

أسوم: التعلم الآلي غير الخاضع للإشراف ، تخصيص Dirichlet الكامن. [ورق]

بيثون

NLTK: أداة تحليل المشاعر Vader ، المعجمية ، القائمة على القاموس ، قائمة على القواعد. [ورق]

Vivekn/المشاعر: التعلم الآلي الخاضع للإشراف ، مصنف Bayes الساذج. [ورق]

Xiaohan2012/Twitter-Sent-DNN: التعلم الآلي الخاضع للإشراف ، التعلم العميق ، الشبكة العصبية التلافيفية. [ورق]

Abdulfatir/Twitter-Sentiment-Analysis: تحليل المشاعر على التغريدات باستخدام Bayes Saf ، SVM ، CNN ، LSTM ، إلخ.

Kevincobain2000/SumentItiment_Classifier: التعلم الآلي الخاضع للإشراف ، مصنف Bayes Saf ، مصنف Max Entropy ، Sentiwordnet.

pedrobalage/semevalaspectBasedSentimentAnalysis: التعلم الآلي القائم على الجانبية ، الخاضع للإشراف ، مجال عشوائي مشروط.

Ganeshjawahar/MEM_ABSA: التعلم الآلي القائم على الجوانب ، والتعلم العميق ، والذاكرة الخارجية القائمة على الاهتمام. [ورق]

Openai/Generating-Reviews-Discovering-Sentiment: Deep Learning ، Byte MLSTM [Paper]

Yiyang-GT/الاهتمام الاجتماعي: التعلم العميق ، القائم على الاهتمام. يستخدم موقف المؤلفين في الشبكة الاجتماعية لتحليل مشاعر المساعدين. [ورق].

Thunlp/NSC: التعلم العميق ، القائم على الاهتمام. يستخدم معلومات المستخدم والإنتاج. [ورقة].

ص

Timjurka/المشاعر: التعلم الآلي الخاضع للإشراف ، مصنف Bayes الساذج.

جولانج

CDIPAOLO/المشاعر: التعلم الآلي الخاضع للإشراف ، مصنف Bayes الساذج. بناء على cdipaolo/goml.

روبي

Malavbhavsar/Sentimentalizer: المعجمية ، القائم على القاموس.

7Compass/عاطفي: المعجمية ، القائم على القاموس.

Csharp

Amrish7/Dragon: التعلم الآلي الخاضع للإشراف ، مصنف Bayes الساذج.

واجهات برمجة التطبيقات SaaS

  • Google Cloud Language API [الويب]
  • IBM Watson Alchemy Language [Web]
  • خدمة Microsoft المعرفية [الويب]
  • Aylien [الويب]
  • indico [الويب]
  • rosette API [الويب]

تطبيقات الويب

  • النصي [الويب]

المساهمة

؟ أولا ، شكرا لأخذ الوقت للمساهمة! ؟

خطوات للمساهمة:

  • قم بإجراء تغييراتك الرائعة
  • إرسال طلب سحب ؛ إذا أضفت إدخالًا جديدًا ، فيرجى تقديم شرح موجز للغاية لماذا تعتقد أنه يجب إضافته.
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل