awesome nlp sentiment analysis

Awesome-NLP-Sentiment-Analyse

Sammeln Sie Datensätze, Papiere, Open -Source -Implementierungen im Zusammenhang mit dem NLP -Feld, insbesondere der Stimmungsanalyse, der Erkennung emotionaler Ursache, der Bewertungsobjekte und der Bewertungswortxtraktion.

Papiere &? Codes

Stimmungsanalyse

1. Deep Learning for Sentiment Analysis: Eine Umfrage. Papier

Emotionale Zuschreibung

1. Ein Ensemble-Ansatz für Emotionen verursacht Erkennung mit Ereignisextraktion und Multi-Kernel-SVMs. Papier

2. Ereignisorientierte Emotionen verursachen Extraktion mit Korpuskonstruktion. Papier

3. Eine Frage -Antwort -Ansatz zur Emotion verursacht Extraktion. Papier

4. Eine Bootstrap -Methode zur automatischen Regelerfassung bei Emotionen verursacht Extraktion. Papier

5. Emotionen verursachen Erkennung für chinesische Mikroblogs basierend auf dem ECOCC-Modell. Papier

6. Emotionen verursachen Erkennung mit sprachlichen Konstruktionen. Papier

7. Emotionen verursachen Extraktion, eine herausfordernde Aufgabe bei der Korpuskonstruktion. Papier

8. Extrahieren von Ursachen von Emotionen aus Text. Papier

9. Emotionale Ursache Erkennungsmethode basierend auf dem neuronalen Netzwerk E-CNN. Papier

10. Emotionale Ursache Erkennungsmethode basierend auf dem Sequenzmarkierungsmodell. Papier

11. Forschung zur automatischen emotionalen Zuschreibungsmethode basierend auf Text. Papier

12. Ein Co-Angedacht-neuronales Netzwerkmodell für Emotionen verursacht eine Analyse mit emotionalem Kontextbewusstsein. Papier

13. Emotions-Cause-Paarextraktion: Eine neue Aufgabe für die Emotionsanalyse in Texten. Papiercode

Bewertungsobjekt- und Bewertungswort -Extraktion

4. Feinkörniger Meinungsabbau mit wiederkehrenden neuronalen Netzwerken und Worteinbettungen. Papiercode

5. Charakterbasierte Bilstm-CRF, das POS und Wörterbücher für die chinesische Meinungszielextraktion einbezieht. Papiercode

6. Ein einheitliches Modell für die Extraktion der Meinungsziele und die Vorhersage der Zielgefühle. Papiercode

7. Überprüfung der Untersuchung der Extraktion von Bewertungsobjekten. Papier

8. Verwenden Sie das Modell der Tiefenlänge und kurzzeitige Speichermodell für die gemeinsame Extraktion von Bewertungswörtern und Bewertungsobjekten. Papier

9. Forschung zur Extraktion von Kommentarobjekten auf der Grundlage semantischer und syntaktischer Abhängigkeiten. Papier

10. Standardelementidentifizierung des Bewertungsobjekts basierend auf dem bedingten Zufallsfeld. Papier

11. Erforschung der chinesischen Weibo -Bewertungsobjektextraktion auf der Grundlage von CRFs und Domain -Ontologie. Papier

12. Forschungen zu emotionalen Tendenzanalysemethoden, die auf Weibo basieren. Papier

13. Forschung zu Bewertungsobjekten und Polaritätsextraktion basierend auf iterativem zweistufiger CRF-Modell. Papier

14. Erforschung der Methode zum Extrahieren von Bewertungsobjekten basierend auf syntaktischen Merkmalen. Papier

15. Chinesische Satzbewertungsobjektextraktion basierend auf Kaskaden -CRFs. Papier

16. Extraktion und Diskriminierung von Bewertungsobjekten und ihrer Tendenzen. Papier

17. Evaluierungsobjekt emotionales Clustering basierend auf nicht vollständigem Informationssystem. Papier

18. Studie zu den Extraktionseigenschaften von Bewertungsobjekten basierend auf CRFs. Papier

19. Extraktion von Bewertungsobjekten basierend auf Kernsätzen und syntaktischen Beziehungen. Papier

20. Forschung zur automatischen Identifizierung von Produktbewertungsobjekten für bestimmte Bereiche. Papier

21. Bewertungsobjektextraktion und ihre Tendenzanalyse. Papier

22. Aspektextraktion für Meinungsabbau mit einem tiefen neuronalen Netzwerk. Papier

23. Rekursive neuronale bedingte zufällige Felder für eine Aspekt-basierte Stimmungsanalyse. Papier

24. Gekoppelte mehrschichtige Aufmerksamkeiten zur Koextraktion von Aspekt- und Meinungsbedingungen. Papier

? Datensatz

Bewertungsobjekt- und Bewertungswort -Extraktion

• Semeval-2014 Aufgabe 4

• Chinesische Weibo Sentiment Analyse Evaluierungsdaten

• Datensätze Baidu, Mafengwo und Dianping

• Emotionale Ursachen zum Datensatz