awesome sentiment analysis

???? 멋진 감정 분석 ????

감정 분석 방법, 구현 및 기타의 선별 된 목록.

감정 분석은 서면 언어의 사람들의 의견, 감정, 평가, 태도 및 감정을 분석하는 연구 분야입니다. (LIU 2012)

내용물

• 내용물
• 목적
• 소개
• 설문 조사 논문
• 기준 시스템
• 자원과 공동
• 오픈 소스 구현
  • nodejs
  • 자바
  • 파이썬
  • 아르 자형
  • 골랑
  • 루비
  • csharp
• Saas Apis
• 웹 앱
• 기여

목적

이 저장소의 목표는이 영역에서 연구하려는 학자들에게 적절한 링크를 제공하는 것입니다. 동시에 감정 분석을 응용 프로그램에 통합하려는 개발자가 충분히 액세스 할 수 있습니다.

소개

감정 분석은 다양한 수준에서 발생합니다.

• 문서 수준의 감정 분석은 검토 문서에서 단일 엔터티 (즉, 제품)의 감정을 평가합니다.
• 문장 수준의 감정 분석은 단일 문장에서 감정을 평가합니다.
• 측면 수준의 감정 분석은 더 미세한 곡물 분석을 수행합니다. 예를 들어,“iPhone의 통화 품질은 좋지만 배터리 수명은 짧습니다.” iPhone (Entity)의 통화 품질 및 배터리 수명의 두 가지 측면을 평가합니다. iPhone의 통화 품질에 대한 감정은 긍정적이지만 배터리 수명에 대한 감정은 음수입니다. (LIU 2012)

가장 최근의 연구는 측면 기반 접근법에 중점을 둡니다. 그러나 모든 OpenSource 구현이 아직 잡히는 것은 아닙니다.

문제를 해결하기위한 여러 가지 접근법이 있습니다. 예를 들어, 어휘 방법은 주어진 문장에서 발생하는 긍정적 및 부정적인 감정 (즉, sentiwordnet)을 표현하는 단어의 빈도를 살펴 봅니다. 순진한 베이 및 지원 벡터 머신 (SVM)과 같은 감독 기계 학습은 교육 데이터와 함께 사용할 수 있습니다. 훈련 예제는 얻기가 어렵 기 때문에 LDA (Latent Dirichlet 할당) 및 Word Embedding (Word2Vec)과 같은 감독되지 않은 기계 학습도 큰 표지되지 않은 데이터 세트에서도 사용됩니다. 최근의 작품은 CNN (Convolutional Neural Network) 및 LSTM (Long Shomper-Term Memory)과 같은 딥 러닝 방법 및주의 기반 변형을 적용합니다. 설문 조사 논문에서 자세한 내용은 찾을 수 있습니다.

설문 조사 논문

Liu, Bing. "감정 분석 및 의견 채굴." 인간 언어 기술에 대한 합성 강의 5.1 (2012) : 1-167. [PDF]

Vinodhini, G. 및 RM Chandrasekaran. "감정 분석 및 의견 채굴 : 설문 조사." International Journal 2.6 (2012) : 282-292. [PDF]

Medhat, Walaa, Ahmed Hassan 및 Hoda Korashy. "감정 분석 알고리즘 및 응용 프로그램 : 설문 조사." Ain Shams Engineering Journal 5.4 (2014) : 1093-1113. [PDF]

기준 시스템

왕,시다, 크리스토퍼 D. 매닝. "기준 및 bigrams : 단순하고 좋은 감정과 주제 분류." 계산 언어 협회 협회 50 차 연례 회의의 절차 : 짧은 논문-볼륨 2. 계산 언어 협회, 2012. [PDF]

Cambria, Erik, Daniel Olsher 및 Dheeraj Rajagopal. "Senticnet 3 :인지 중심의 감정 분석을위한 일반적이고 상식적인 지식 기반." 인공 지능에 관한 28 번째 AAAI 회의의 절차. AAAI Press, 2014. [PDF]

자원과 공동

Afinn : 원자가에 대한 영어 단어 목록 [웹]

Sentiwordnet : 감정 분석을 지원하기 위해 고안된 어휘 자원. [웹] [종이]

장갑 : 단어 벡터를 얻기위한 알고리즘. 다운로드 할 수있는 사전 취사 단어 벡터 [Web] [용지]

SEMEVAL14-TASK4 : 노트북 및 레스토랑 리뷰의 주석이 달린 측면과 감정. [웹] [종이]

스탠포드 감정 트리 뱅크 : 세밀한 감정 주석이있는 감정 데이터 세트 [웹] [논문]

대인 관계 스탠 스테이 킹을위한 다차원 어휘 [웹] [논문]

오픈 소스 구현

각 구현의 특성에 대해 설명합니다.

경고 : 감정 분석의 주요 문제는 훈련 데이터가 제공되는 영역 또는 감정 어휘집이 구축되는 영역에 대한 민감성입니다. [♠] 상용 구현이 문제에 효과가 있다고 가정하고, 모델 가정을 살펴보고 자신의 도메인에서 정확한지 여부를 확인하십시오 [♦].

nodejs

이 안도나 가인/감정 : 어휘, 사전 기반, afinn 기반.

Thinkroth/감상적 어휘, 사전 기반, Afinn 기반.

자바

Lingpipe : 어휘, 코퍼스 기반, 감독 된 기계 학습

Corenlp : 감독 기계 학습, 딥 러닝

ASUM : 감독되지 않은 머신 러닝, 잠재적 인 Dirichlet 할당. [종이]

파이썬

NLTK : Vader 감정 분석 도구, 어휘, 사전 기반, 규칙 기반. [종이]

Vivekn/Sentiment : 감독 기계 학습, 순진한 베이 즈 분류기. [종이]

Xiaohan2012/Twitter-Sent-DNN : 감독 기계 학습, 딥 러닝, 컨볼 루션 신경망. [종이]

Abdulfatir/Twitter-sentiment-Analysis : 순진한 베이, SVM, CNN, LSTM 등을 사용한 트윗에 대한 감정 분석.

Kevincobain2000/sentiment_classifier : 감독 된 기계 학습, 순진한 베이에 분류기, 최대 엔트로피 분류기, sentiwordnet.

PEDROBALAGE/SEMEVALASPECT-BASIVESENTIMENALYSIS : Aspect-Based, Supervised Machine Learning, 조건부 랜덤 필드.

GANESHJAWAHAR/MEM_ABSA : 종전 기반, 감독 기계 학습, 딥 러닝,주의 기반, 외부 메모리. [종이]

OpenAi/생성 검토 내적 중심 : 딥 러닝, 바이트 MLSTM [용지]

Yiyang-GT/Social-Attent : 딥 러닝,주의 기반. 소셜 네트워크에서 저자의 위치를 ​​사용하여 감정 분석을 보좌관합니다. [종이].

Thunlp/NSC : 딥 러닝,주의 기반. 사용자 및 생산 정보를 사용합니다. [종이].

아르 자형

Timjurka/Sentiment : 감독 머신 러닝, 순진한 베이 즈 분류기.

골랑

CDIPAOLO/SENTIMENT : 감독 기계 학습, 순진한 베이 즈 분류기. CDIPAOLO/GOML을 기반으로합니다.

루비

Malavbhavsar/감상기 : 어휘, 사전 기반.

7compass/감상 : 어휘, 사전 기반.

csharp

Amrish7/Dragon : 감독 머신 러닝, 순진한 베이 즈 분류기.

Saas Apis

• Google Cloud Natural Language API [웹]
• IBM Watson Alchemy Language [Web]
• Microsoft Cognitive Service [웹]
• Aylien [웹]
• indico [웹]
• Rosette API [웹]

웹 앱

• Textalytic [웹]

기여

?? 우선, 시간을내어 기여해 주셔서 감사합니다! ??

기여하기위한 단계 :

• 멋진 변화를하십시오
• 풀 요청을 제출하십시오. 새 항목을 추가하면 추가해야한다고 생각하는 이유를 매우 간단히 설명하십시오.