awesome sentiment analysis
1.0.0
Lista curada de métodos de análisis de sentimientos, implementaciones y misceláneos.
El análisis de sentimientos es el campo de estudio que analiza las opiniones, sentimientos, evaluaciones, actitudes y emociones de las personas de los idiomas escritos. (Liu 2012)
El objetivo de este repositorio es proporcionar enlaces adecuados para los académicos que desean investigar en este dominio; Y al mismo tiempo, sea suficientemente accesible para los desarrolladores que desean integrar el análisis de sentimientos en sus aplicaciones.
El análisis de sentimientos ocurre en varios niveles:
La investigación más reciente se centra en los enfoques basados en aspectos. Pero aún no todas las implementaciones de OpenSource están atrapadas.
Hay muchos enfoques diferentes para resolver el problema. Los métodos léxicos, por ejemplo, observan la frecuencia de las palabras que expresan un sentimiento positivo y negativo (de IE Sentiwordnet) que ocurre en la oración dada. El aprendizaje automático supervisado, como Naive Bayes y Support Vector Machine (SVM), se puede utilizar con datos de capacitación. Dado que los ejemplos de capacitación son difíciles de obtener, el aprendizaje automático no supervisado, como la asignación latente de Dirichlet (LDA) y las incrustaciones de palabras (Word2Vec) también se usan en grandes conjuntos de datos no etiquetados. Los trabajos recientes también aplican métodos de aprendizaje profundo, como la red neuronal convolucional (CNN) y la memoria a largo plazo (LSTM), así como sus variantes basadas en la atención. Encontrará más detalles en los documentos de la encuesta.
Liu, Bing. "Análisis de sentimientos y minería de opinión". Conferencias de síntesis sobre tecnologías del lenguaje humano 5.1 (2012): 1-167. [PDF]
Vinodhini, G. y RM Chandrasekaran. "Análisis de sentimientos y minería de opinión: una encuesta". International Journal 2.6 (2012): 282-292. [PDF]
Medhat, Walaa, Ahmed Hassan y Hoda Korashy. "Algoritmos y aplicaciones de análisis de sentimientos: una encuesta". Ain Shams Engineering Journal 5.4 (2014): 1093-1113. [PDF]
Wang, Sida y Christopher D. Manning. "Basilines y Bigrams: Simple, buen sentimiento y clasificación de temas". Actas de la 50ª Reunión Anual de la Asociación de Lingüística Computacional: Documentos cortos-Volumen 2. Asociación de Lingüística Computacional, 2012. [PDF]
Cambria, Erik, Daniel Olsher y Dheeraj Rajagopal. "Senticnet 3: una base de conocimiento de sentido común y de sentido común para el análisis de sentimientos impulsado por la cognición". Actas de la vigésima octava Conferencia AAAI sobre inteligencia artificial. AAAI Press, 2014. [PDF]
AFINN: Lista de palabras en inglés clasificadas para Valence [Web]
SentiWordNet: recurso léxico ideado para el análisis de sentimientos de soporte. [web] [documento]
Glove: algoritmo para obtener vectores de palabras. Vectores de palabras previos a la aparición disponibles para descargar [web] [papel]
Semeval14-Task4: aspectos anotados y sentimientos de las computadoras portátiles y reseñas de restaurantes. [web] [documento]
Stanford Sentiment Treebank: conjunto de datos de sentimientos con anotaciones de sentimientos de grano fino [web] [documento]
Léxico multidimensional para el estancamiento interpersonal [web] [papel]
Se describen las características de cada implementación.
Advertencias : un problema clave en el análisis de sentimientos es su sensibilidad al dominio del que se obtiene los datos de entrenamiento o en el que se construye un léxico de sentimiento. [♠] Tenga cuidado suponiendo que las implementaciones estándar funcionarán para su problema, asegúrese de mirar los supuestos del modelo y validar si son precisos en su propio dominio [♦].
Este maniobra/sentimiento: léxico, basado en el diccionario, basado en Afinn.
Léxico THILLROTH/Sentimental, basado en el diccionario, basado en Afinn.
Lingpipe: aprendizaje automático supervisado léxico, basado en el corpus
CORENLP: Aprendizaje automático supervisado, aprendizaje profundo
Asum: aprendizaje automático no supervisado, asignación latente de Dirichlet. [papel]
NLTK: herramienta de análisis de sentimientos Vader, léxico, basada en diccionario, basada en reglas. [papel]
Vivekn/Sentimiento: aprendizaje automático supervisado, clasificador ingenuo de Bayes. [papel]
XIAOHAN2012/Twitter-Sent-DNN: aprendizaje automático supervisado, aprendizaje profundo, red neuronal convolucional. [papel]
Abdulfatir/Twitter-sentiment-análisis: análisis de sentimientos en tweets usando Naive Bayes, SVM, CNN, LSTM, etc.
KEVINCOBAIN2000/Sentiment_Classifier: aprendizaje automático supervisado, clasificador Naive Bayes, clasificador de entropía máxima, Sentiwordnet.
Pedrobalage/Semevalaspect BasedSentimentimentalysisiNalysis: aprendizaje automático supervisado, supervisado, campo aleatorio condicional.
Ganeshjawahar/MEM_ABSA: aprendizaje automático supervisado basado en aspectos, aprendizaje profundo, memoria externa basada en la atención. [papel]
OpenAI/Generating-reviews-Desviews-Insentiment: Deep Learning, Byte Mlstm [Paper]
Yiyang-GT/Atención social: aprendizaje profundo, basado en la atención. Utiliza la posición de los autores en la red social para ayudar al análisis de sentimientos. [papel].
THUNLP/NSC: aprendizaje profundo, basado en la atención. Utiliza información de usuario y producción. [Documento].
Timjurka/Sentimiento: aprendizaje automático supervisado, clasificador ingenuo de Bayes.
CDIPAOOLO/Sentimiento: Aprendizaje automático supervisado, clasificador Naive Bayes. Basado en Cdipaolo/Goml.
Malavbhavsar/Sentimentalizer: Léxico, basado en el diccionario.
7compass/sentimental: Léxico, basado en el diccionario.
AMRISH7/Dragón: Aprendizaje automático supervisado, clasificador ingenuo de Bayes.
? En primer lugar, ¡gracias por tomarse el tiempo para contribuir! ?
Pasos para contribuir:
