Advertisement

清华大学、台湾大学(NTUSD)与知网情感词典(HowNet)

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本项目结合了清华大学、台湾大学及知网情感词典(HowNet)的资源与技术优势,致力于深入研究自然语言处理中的情感分析领域。通过融合三方的数据和知识体系,旨在提高中文文本的情感识别准确度,并探索其在智能问答系统、社交媒体情绪监控等实际应用中的潜力。 清华大学与台湾大学(NTUSD)以及知网情感词典(Hownet)在相关研究领域有着重要影响。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • NTUSDHowNet
    优质
    本项目结合了清华大学、台湾大学及知网情感词典(HowNet)的资源与技术优势,致力于深入研究自然语言处理中的情感分析领域。通过融合三方的数据和知识体系,旨在提高中文文本的情感识别准确度,并探索其在智能问答系统、社交媒体情绪监控等实际应用中的潜力。 清华大学与台湾大学(NTUSD)以及知网情感词典(Hownet)在相关研究领域有着重要影响。
  • NTUSD
    优质
    台湾大学NTUSD情感词典是由台湾大学所开发的一款中文文本情感分析工具,包含了正向与负向词汇,适用于学术研究和应用项目中对中文文本的情感倾向进行量化分析。 台湾大学NTUSD提供了一个简体中文情感极性词典数据,其中包括8325个负面词汇和2846个正面词汇。
  • NTUSD分析汇集(李军褒贬义
    优质
    本词汇集由台湾大学NTUSD与清华大学合作整理,基于李军教授的褒贬义词典,汇集了大量用于情感分析的中文词汇及其情感倾向标注。 台湾大学的NTUSD以及知网情感分析用词语集、清华大学李军编写的褒贬义词典都是进行文本情感分析的重要资源。
  • NTUSD简体中文Hownet李军中文褒贬义及BosonNLP微博停用集合
    优质
    本资源集成了台湾大学NTUSD等四个重要中文情感分析词典,并附带了一个综合的停用词列表,适用于进行细致的情感倾向性和文本内容分析。 我找了一上午的情感词典,在上发现这些开源的词典都需要高额积分才能下载,这大大影响了学习进度。因此,我把搜集到的所有情感词典免费分享出来,主要包括台湾大学NTUSD简体中文情感词典、知网Hownet情感词典、清华大学李军中文褒贬义词典和BosonNLP等,并包含一些较为冷门的情感词典以及停用词表。有需要的可以下载使用。
  • 关于三种的介绍(包括HownetNTUSD李军中文褒贬义
    优质
    本篇文章将详细介绍三种重要的汉语情感词典:知网Hownet、台湾大学NTUSD以及清华大学李军中文褒贬义词典,探究它们的构建方法与应用价值。 该研究用于中文文本情绪识别等领域,包含知网Hownet、台湾大学NTUSD以及清华大学李军编写的中文褒贬义词典。
  • NTUSD汇表
    优质
    《台湾大学NTUSD情感词汇表》是由台湾大学国家理论科学研究中心开发的情感分析工具,包含正向、负向及程度副词等各类词汇,广泛应用于文本挖掘与自然语言处理领域。 台湾大学中文情感极性词典(NTUSD)可以用于二元情感分类任务,并适用于文本挖掘等领域。
  • NTUSD简化字中文
    优质
    台湾大学NTUSD简化字中文情感词典是由台湾大学开发的一款针对简体中文的情感分析工具,包含了正面、负面及中立词汇,广泛应用于文本挖掘与自然语言处理领域。 中文情感极性词典数据是基于文本情感二元划分方法的一个词语数据库。它包含11086个词语,其中2810个为积极属性词语,8276个为消极属性词语。
  • NTUSD简化字中文
    优质
    台湾大学NTUSD简化字中文情感词典是由台湾大学开发的一款针对简体中文的情感分析工具。该词典通过标注词汇的情感倾向(正面、负面或中立),为自然语言处理任务提供支持,如情绪检测和文本分类等。 2017年11月整理的这份资料曾在我的博士论文中使用过,能够实现情感词典构建及情感倾向性分类的功能。
  • NTUSD简化字中文.zip
    优质
    这是一份由台湾大学开发并优化的情感词汇表资源包,内含简体中文情感词典,旨在为自然语言处理及文本分析提供基础支持。 用R进行文本情感分析时,我找了很多情感字典资源。现在分享出来,欢迎大家下载使用。
  • 中文汇表(NTUSD
    优质
    《台湾大学中文情感词汇表》是由台湾大学研发的一款针对中文文本进行情感分析的重要工具,广泛应用于自然语言处理领域。 台湾大学中文情感极性词典(NTUSD)是一个用于文本分析的资源工具。它提供了大量的词汇及其在不同上下文中的正负情感倾向值,帮助研究人员对中文文本的情感进行量化分析。该词典广泛应用于自然语言处理领域,特别是在情绪检测、意见挖掘和舆情监控等方面发挥重要作用。