awesome sentiment analysis
1.0.0
Lista com curadoria de métodos de análise de sentimentos, implementações e misc.
A análise de sentimentos é o campo de estudo que analisa as opiniões, sentimentos, avaliações, atitudes e emoções das idiomas escritos. (Liu 2012)
O objetivo deste repositório é fornecer vínculos adequados para estudiosos que desejam pesquisar nesse domínio; E ao mesmo tempo, seja suficientemente acessível para desenvolvedores que desejam integrar a análise de sentimentos em suas aplicações.
A análise de sentimentos acontece em vários níveis:
Pesquisas mais recentes se concentram nas abordagens baseadas em aspectos. Mas nem todas as implementações do OpenSource ainda estão apanhadas.
Existem muitas abordagens diferentes para resolver o problema. Métodos lexicais, por exemplo, observe a frequência de palavras que expressam sentimentos positivos e negativos (do IE SentiwordNet) que ocorrem na frase fornecida. O aprendizado de máquina supervisionado, como ingênuo Bayes e Support Vector Machine (SVM), pode ser usado com dados de treinamento. Como os exemplos de treinamento são difíceis de obter, o aprendizado de máquina não supervisionado, como alocação latente de Dirichlet (LDA) e incorporação de palavras (Word2Vec), também são usadas em grandes conjuntos de dados não marcados. Trabalhos recentes também aplicam métodos de aprendizado profundo, como Rede Neural Convolucional (CNN) e Memória de Longo Prazo (LSTM), bem como suas variantes baseadas em atenção. Você encontrará mais detalhes nos documentos de pesquisa.
Liu, Bing. "Análise de sentimentos e mineração de opinião". Palestras de síntese sobre tecnologias de linguagem humana 5.1 (2012): 1-167. [PDF]
Vinodhini, G. e RM Chandrasekaran. "Análise de sentimentos e mineração de opinião: uma pesquisa". International Journal 2.6 (2012): 282-292. [PDF]
Medhat, Walaa, Ahmed Hassan e Hoda Korashy. "Algoritmos e aplicações de análise de sentimentos: uma pesquisa". Ain Shams Engineering Journal 5.4 (2014): 1093-1113. [PDF]
Wang, Sida e Christopher D. Manning. "Linhas de base e bigrams: simples, bom sentimento e classificação de tópicos". Anais da 50ª Reunião Anual da Associação de Linguística Computacional: Artigos curtos-Volume 2. Association for Computational Linguistics, 2012. [PDF]
Cambria, Erik, Daniel Olsher e Dheeraj Rajagopal. "Senticnet 3: uma base de conhecimento comum e comum para análise de sentimentos orientada por cognição". Anais da vigésima oitava conferência da AAAI sobre inteligência artificial. AAAI Press, 2014. [PDF]
AFINN: Lista de palavras em inglês classificadas para valência [web]
SentiwordNet: Recurso lexical criado para apoiar a análise de sentimentos. [Web] [Papel]
Luva: Algoritmo para obter vetores de palavras. Vetores de palavras pré -tenhados disponíveis para download [web] [papel]
Semeval14-Task4: Aspectos e sentimentos anotados de laptops e resenhas de restaurantes. [Web] [Papel]
Stanford Sentiment Treebank: conjunto de dados de sentimentos com anotações de sentimentos de granulação fino [Web] [Paper]
LEXICOL MULTIDIMENCIAL PARA STABETAKE DE STABETENAIS [Web] [Paper] [Papel]
As características de cada implementação são descritas.
Advertências : Um problema importante na análise de sentimentos é sua sensibilidade ao domínio a partir do qual os dados de treinamento são adquiridos ou nos quais um léxico de sentimento é construído. [♠] Tenha cuidado, assumindo que as implementações prontas para uso funcionarão para o seu problema, observe as suposições do modelo e validará se elas são precisas em seu próprio domínio [♦].
isto e sentimento/sentimento: lexical, baseado em dicionário, baseado em Afinn.
Thinkroth/Sentimental Lexical, baseado em dicionário, baseado em Afinn.
Lingpipe: Lexical, baseado em corpus, aprendizado de máquina supervisionado
Corenlp: aprendizado de máquina supervisionado, aprendizado profundo
Asum: Aprendizado de máquina não supervisionado, alocação latente de Dirichlet. [papel]
NLTK: Ferramenta de análise de sentimentos Vader, lexical, baseado em dicionário, baseado em regras. [papel]
Vivekn/Sentimento: aprendizado de máquina supervisionado, classificador ingênuo de Bayes. [papel]
Xiaohan2012/Twitter-DNN: aprendizado de máquina supervisionado, aprendizado profundo, rede neural convolucional. [papel]
Abdulfatir/Twitter-Segundo análise: análise de sentimentos em tweets usando Bayes ingênuo, SVM, CNN, LSTM, etc.
kevincobain2000/Sentiment_classifier: aprendizado de máquina supervisionado, classificador ingênuo de Bayes, classificador de entropia Max, SentiWordNet.
Pedrobalage/Semvalaspeado baseado em análise: aprendizado de máquina supervisionado baseado em aspectos, campo aleatório condicional.
Ganeshjawahar/MEM_ABSA: Aprendizado de máquina supervisionado, baseado em aspectos, aprendizado profundo, memória externa baseada em atenção. [papel]
OpenAI/Generating-Reviews-Descatending-Sentimento: Aprendizagem Deep, Byte MLSTM [Paper]
Yiyang-GT/ATTENÇÃO SOCIAL: Aprendizagem profunda, baseada em atenção. Usa a posição dos autores na rede social para análise de sentimentos de assessor. [papel].
Thunlp/NSC: aprendizado profundo, baseado em atenção. Usa informações de usuário e produção. [Paper].
Timjurka/Sentimento: aprendizado de máquina supervisionado, classificador ingênuo de Bayes.
cdipaolo/sentimento: aprendizado de máquina supervisionado, classificador ingênuo de Bayes. Baseado em cdipaolo/goml.
Malavbhavsar/Sentimentalizer: lexical, baseado em dicionário.
7compass/Sentimental: lexical, baseado em dicionário.
Amrish7/dragão: aprendizado de máquina supervisionado, classificador ingênuo de Bayes.
? Primeiro, obrigado por reservar um tempo para contribuir! ?
Etapas para contribuir:
