awesome sentiment analysis

????令人敬畏的情绪分析????

精心策划的情感分析方法，实现和杂项。

情感分析是研究人们的意见，情感，评估，态度和情感的研究领域。 （刘2012）

内容

• 内容
• 客观的
• 介绍
• 调查文件
• 基线系统
• 资源和语料库
• 开源实现
  • nodejs
  • 爪哇
  • Python
  • r
  • 戈兰
  • 红宝石
  • CSHARP
• SaaS Apis
• Web应用程序
• 贡献

客观的

该存储库的目的是为希望在该领域进行研究的学者提供足够的联系。同时，对于希望将情感分析集成到其应用程序的开发人员来说，要足够访问。

介绍

情绪分析在各个层面上进行：

• 文档级别的情绪分析评估了评论文档中单个实体（即产品）的情感。
• 句子级别的情绪分析评估了一个句子的情绪。
• 方面级别的情绪分析执行细粒度分析。例如，句子“ iPhone的通话质量很好，但电池寿命很短。”评估两个方面：iPhone（实体）的通话质量和电池寿命。 iPhone通话质量的情感是积极的，但是电池寿命的情绪为负。 （刘2012）

最近的研究重点是基于方面的方法。但是，并非所有开放源实现都陷入困境。

有许多不同的方法可以解决该问题。例如，词汇方法查看给定句子中出现的单词频率（来自IE SentiWordnet）。可以在培训数据中使用监督的机器学习，例如天真的贝叶斯和支持向量机（SVM）。由于很难获得培训示例，因此在大型未标记的数据集上也使用了无监督的机器学习，例如潜在的Dirichlet分配（LDA）和Word Embeddings（Word2Vec）。最近的工作还采用了深度学习方法，例如卷积神经网络（CNN）和长期记忆（LSTM）及其基于注意力的变体。您将在调查文件中找到更多细节。

调查文件

刘，宾。 “情感分析和意见挖掘”。人类语言技术的合成讲座5.1（2012）：1-167。 [PDF]

Vinodhini，G。和RM Chandrasekaran。 “情感分析和意见挖掘：一项调查”。国际杂志2.6（2012）：282-292。 [PDF]

Medhat，Walaa，Ahmed Hassan和Hoda Korashy。 “情感分析算法和应用：调查。” Ain Shams Engineering Journal 5.4（2014）：1093-1113。 [PDF]

基线系统

王，西达和克里斯托弗·D·曼宁。 “基线和大型：简单，良好的情感和主题分类。”计算语言学协会第50届年会论文集：简短论文 - 卷2。计算语言学协会，2012年。[PDF]

Cambria，Erik，Daniel Olsher和Dheeraj Rajagopal。 “ Senticnet 3：一个通用和常识的知识基础，用于认知驱动的情感分析。”第28届AAAI人工智能会议的会议记录。 AAAI出版社，2014年。[PDF]

资源和语料库

Afinn：评级为Valence的英语单词列表[Web]

SentiWordnet：设计用于支持情感分析的词汇资源。 [Web] [纸]

手套：用于获取单词向量的算法。预验证的单词向量可供下载[Web] [Paper]

SEMEVAL14-TASK4：笔记本电脑和餐馆评论的注释方面和情感。 [Web] [纸]

斯坦福情绪树库：带有细粒情感注释的情感数据集[Web] [Paper]

多维词典，用于人际关系[Web] [Paper]

开源实现

描述了每个实现的特征。

警告：情感分析中的一个关键问题是它对培训数据所在的领域的敏感性或建立情感词典的敏感性。 [♠]请小心假设实现现成的实现将适合您的问题，请确保查看模型假设并验证它们是否准确在您自己的域[♦]。

nodejs

thisandagain/情感：词汇，基于词典，基于Afinn。

Thinkwroth/感性的词汇，基于词典，基于Afinn。

爪哇

Lingpipe：词汇，基于语料库的，有监督的机器学习

Corenlp：监督机器学习，深度学习

ASUM：无监督的机器学习，潜在的Dirichlet分配。 [纸]

Python

NLTK：Vader情感分析工具，词汇，基于词典，基于规则。 [纸]

Vivekn/情感：监督机器学习，天真的贝叶斯分类器。 [纸]

Xiaohan2012/Twitter-Sent-DNN：监督的机器学习，深度学习，卷积神经网络。 [纸]

Abdulfatir/Twitter-sentiment-Analysis：使用幼稚贝叶斯，SVM，CNN，LSTM等对推文进行的情感分析。

kevincobain2000/sentiment_classifier：监督机器学习，天真的贝叶斯分类器，最大熵分类器，sentiwordnet。

Pedrobalage/semevalaspectbasedsentimentimentagientalesy：基于方面的，有监督的机器学习，有条件的随机场。

Ganeshjawahar/mem_absa：基于方面的，有监督的机器学习，深度学习，基于注意力，外部记忆。 [纸]

OpenAI/Generating-Resiviews-dercovering-sendiment：深度学习，字节MLSTM [纸]

Yiyang-GT/社会注意力：深度学习，基于注意力。将作者在社交网络中的立场用于助手情感分析。 [纸]。

Thunlp/NSC：深度学习，基于注意力。使用用户和生产信息。[纸]。

r

Timjurka/情感：监督机器学习，天真的贝叶斯分类器。

戈兰

CDIPAOLO/情感：监督机器学习，天真的贝叶斯分类器。基于cdipaolo/goml。

红宝石

Malavbhavsar/感性器：基于词典的词汇。

7 Compass/感性：词汇，基于字典。

CSHARP

Amrish7/Dragon：监督机器学习，天真的贝叶斯分类器。

SaaS Apis

• Google Cloud自然语言API [Web]
• IBM Watson Alchemy语言[Web]
• Microsoft认知服务[Web]
• Aylien [Web]
• Indico [Web]
• Rosette API [Web]

Web应用程序

• 纹理[Web]

贡献

？首先，感谢您抽出宝贵的时间做出贡献！ ？

贡献的步骤：

• 做出很棒的改变
• 提交拉请请求；如果您添加了新的条目，请给出一个非常简短的说明，为什么您认为应该添加它。