Advertisement

包含6万条带有标签的推特twitter情感分析数据集。

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

简介：
该数据集包含带有积极和消极标签的文本内容，但尚未进行任何形式的清洗处理，主要设计用于机器学习领域的感情分析任务。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 2019年Twitter推特情感分析数据集（9000条）
    优质
    此数据集包含2019年的9000条Twitter推文，旨在进行情感分析研究。每条推文已标注正面、负面或中立情绪，便于机器学习模型训练与评估。 我收集了一个包含三个名人推特数据的原始数据集，可用于进行情感分析。这些数据可以合并使用。
  • 新浪微博情感分析标注数据包含12万条记录
    优质
    本数据集包含12万条新浪微博的情感分析标注记录，旨在为研究者提供高质量、大规模的中文社交媒体情感分析训练资源。 本资源包含人工标记的微博语料数据集，包括60,000条消极内容（文件名为pos.txt）和60,000条积极内容（文件名为neg.txt），适用于机器学习情感分析训练。
  • 情感分析用的Twitter评论数据集
    优质
    本数据集收集了用于情感分析的大量Twitter评论，旨在帮助研究者和开发者训练及测试自然语言处理模型在社交媒体文本中的应用效果。 此数据集包含几千个Twitter用户评论及其对应的情感标签，用于训练情绪分析模型。该数据集是通过使用关键字并结合Twitter API获取的。其目的是提供一个具有实际业务价值的数据集合，规模适中且可以在短时间内于普通笔记本电脑上完成训练任务。
  • 自然语言处理数据集 - 36万余条 - 带有情感标签的新浪微博 - 包含4种情绪，其中喜悦约20万条，愤怒、厌恶和低落各有约5万条
    优质
    本数据集包含超过36万条带情感标签的新浪微博，涵盖喜悦（约20万）、愤怒、厌恶及低落（各约5万）四种情绪类型。 这段数据包含36万多条带有情感标注的新浪微博，涵盖了喜悦、愤怒、厌恶和低落四种情绪类型。其中大约有20万条是表达喜悦的情绪，而愤怒、厌恶以及低落的情感各约5万条。如果想查看这些数据，建议使用Notepad++软件打开。
  • 情感分析在Twitter上的应用——基于LSTM的160万条推文研究
    优质
    本研究运用长短期记忆网络（LSTM）模型对160万条Twitter推文进行情感分析，旨在探索社交媒体上情绪传播与演变规律。 在本笔记本项目里，我构建了一个使用嵌入功能的堆叠LSTM模型来分析160万条推文，并将这些数据分为三类：正面、负面以及中立。该模型能够预测新推特的情绪类别，准确率达到了78%。 具体性能指标如下： - 精度: 0.78 - F1分数: 0.75 - 支持: 79,800 (正面) - 精度: 0.76 - F1分数: 0.79 - 支持：80,200（负面） 总体准确率是0.77，基于斯坦福大学的GloVe 100d单词嵌入和Sentiment140数据集。
  • 微博十万条评论的情感分析数据集
    优质
    本数据集包含来自微博平台超过十万个评论样本，通过情感分析技术将其划分为正面、负面和中立三类，为研究社交媒体用户情绪提供了宝贵资源。 数据集nCoV_100k.labled.csv包含10万条用户标注的微博数据，其中包括微博id、发布时间、发布人账号、中文内容、微博图片链接（若无则为空列表）、微博视频链接（若无则为空列表）以及情感倾向等信息。具体格式如下： - 微博id：整型。 - 发布时间：xx月xx日 xx:xx 格式。 - 发布人账号：字符串形式。 - 中文内容：字符串形式。 - 微博文图片链接：url超链接，若无则为[]（空列表）。 - 微博主视频链接：url超链接，若无则为[]（空列表）。 - 情感倾向：取值包括1、0和-1。
  • 新浪微博情感分析标注数据含12万条记录
    优质
    本数据集包含12万条新浪微博的情感分析标注记录，旨在为研究者提供一个全面了解公众情绪变化及社交媒体影响的研究工具。 本资源包含人工标记的微博语料，分为积极和消极两类，每类各60000条记录。这些数据适用于机器学习中的情感分析训练。
  • 新浪微博情感分析标注数据含12万条记录
    优质
    本数据集包含12万条新浪微博的情感标注信息，旨在为情绪计算和社交媒体数据分析提供研究资源。 本资源包含人工标记的微博语料，分为积极与消极两类文件（分别为pos.txt 和 neg.txt），每类各60000条数据，适用于机器学习中的情感分析训练。
  • 新浪微博情感分析标注数据含12万条记录
    优质
    本数据库包含来自新浪微博超过12万条评论的数据集，并对其进行了情感分析的人工标注，为研究者提供了丰富的社交媒体文本与情感分类资源。 本资源包含人工标记的微博语料，分为积极与消极两类文本段落件（各60000条），适用于机器学习中的情感分析训练数据。