Paip.语义分析----情绪情感词汇表总结

最新推荐文章于 2024-01-04 00:02:13 发布
最新推荐文章于 2024-01-04 00:02:13 发布
阅读量4.8k 收藏 4
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/attilax/article/details/14482165
版权
本文整理了情感分析中的关键词汇，分为喜、怒、哀、乐等十四类，包括高兴、愤怒、悲伤、快乐等各种情绪表达，适用于情感理解与文本分析。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Paip.语义分析----情绪情感词汇表总结

 

以下词语是按感情色彩共分为十四类：

 

作者Attilax  艾龙，  EMAIL:1466519819@qq.com 
来源：attilax的专栏
地址：http://blog.youkuaiyun.com/attilax

 

一、喜

高兴、欢喜、满意、如愿、幸福、如意、顺心、随心、称心、快乐、高兴、豁朗、喜欢、愉快、甜美、愉快、舒服、甜蜜、舒适、幸福、愉快、痛快、舒畅、高兴、尽兴、喜爱、喜欢、心醉、畅快、喜悦、心旷神怡、心情舒畅、快意、喜上眉梢、满心欢喜、欢欣鼓舞、喜从天降、大喜过望、喜出望外、兴高采烈、兴致勃勃、乐不可支、心花怒放、手舞足蹈、拍手称快、皆大欢喜、欣喜若狂、称心如意、踌躇满志、春风得意、得意洋洋、得意忘形、满面春风<

最低0.47元/天 解锁文章
attilax
关注
情感分析词库.zip
11-06
zip包里包含情感分析所需要的程度级别词语，积极词库，消极词库，否定词，总结了知网，大连理工等词库，实用有效！！！
情感分析讲解
andy的博客
05-09 2170
情感分析(Sentiment Analysis)又称倾向性分析，或意见挖掘，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。利用情感分析能力，可以针对带有主观描述的自然语言文本，自动判断该文本的情感正负倾向并给出相应的结果。在评论分析与决策、电商评论分类以及舆情监控中有非常广泛的应用。
基于大连理工大学的情感词汇表的中文情感分析
记录一些东东的地方
05-08 8406
前言 为什么要写这篇文章？ 前段时间帮人写了一个这样的小项目，在网上查找资料的过程中，有不少关于该项目的资料，由于各个博主写的代码不尽相同，且没有一个详尽的分析方法，所以我在完成该项目后，想到可以把该项目的分析方法写出来，供大家学习。 准备工作及环境 工具：pycharm、python 3.8.6 其他：大连理工大学情感词汇本体(excel)、程度副词(excel)、否定词列表(txt) 大连理工大学情感词汇下载地址：https://github.com/ZaneMuir/DLUT-Emotionontol
初识《情感分析》
qq_46056318的博客
12-02 3210
摘 要 文本情感分析是自然语言处理的一项重要任务，旨在分析文本的综合情感极性。现阶段的情感分析方式主要为三类：（1）基于情感词典的文本情感分析；（2）基于机器学习的文本情感分析；（3）基于深度学习的情感分析方法。基于情感词典的分析方法受限于情感词典中情感词的种类与数量，所以可以构建扩展情感词典弥补不足；基于传统机器学习的方法本质上是文本分类，利用大量文本进行训练得到情感分类器，需要人为干预；基于深度网络的分析方法则通过自监督学习情感信息识别和监督学习句子综合情感极性预测任务，实现基于情感信息的模型。本文回
PAIP-开源
05-01
PAIP（管道）是通用过滤器应用程序。 它使用插件来传输和转换数据。 它们可以嵌套，因此内部结构可能会变得非常复杂（非线性）。 命令行界面类似于编程语言，非常简单。
LiverCancerSeg:MICCAI 2019病理学大挑战-PAIP2019
05-04
要使用该代码，用户需要预先安装一些软件包。 $ sudo apt-get install openslide-tools$ sudo apt-get install libgeos-dev$ pip install -r requirements.txt预处理：1.下载幻灯片并解压缩下载所有50张压缩的幻灯片...
paip-lisp-pt-br：Norvig的Traduçãopara oportuguêsdo“人工智能编程范例”
02-22
人工智能编程范例（pt-br） 葡萄牙语编程入门（pt-br）做人工智能编程范式：彼得·诺维格（Peter Norvig，1992）的“普通Lisp案例研究” 。 在麻省理工学院就读的学生的自动授课资格。 VOCE颇得tambémquerer ...
paip-lisp：“人工智能编程范例”教科书的Lisp代码
02-25
人工智能编程范例 这是Peter Norvig（1992）写的《人工智能程序设计范例：Common Lisp中的案例研究》一书的开放源代码存储库。 版权已归作者所有，作者已根据MIT许可在此处共享。 这本书 这本书有以下几种格式： ...
Paysandu Newtab-crx插件
04-04
语言:português (Brasil) Bicolor，Paysandu带来的新星体验！ ... 在网络上可以播放新照片，实时照片，视频，壁纸和...使jáo seu navegadorpadrãocom扩展到Paipãoenãoperca mais nada do MaiorCampeãodaAmazônia！
中文情感分析词库（包含极值表）第一版
08-16
用于舆情系统，可以直接拿来算分使用
情感分析词库
01-03
收集了包含七个来源的情感词，其中包括：知网hownet情感词典，台湾大学中文情感词典等七大来源的情感词典。
最全中文情感词库
01-30
目前最全的中文情感词典，包括以下内容： 褒贬词及其近义词 ,汉语情感词极值表, 清华大学李军中文褒贬义词典, 情感词典及其分类, 情感词汇本体, 台湾大学NTUSD简体中文情感词典, 知网Hownet情感词典。
中英文情感文本分析词库
10-05
具有情感文本分析的中英文语料库，词语全面
自然语言处理之 snownlp,分词、词性标注、情感分析、文本分类、提取关键词、文本相似度
酱汁儿
05-12 2万+
情感分析的基本流程通常包括： 自定义爬虫抓取文本信息； 使用Jieba工具进行中文分词、词性标注； 定义情感词典提取每行文本的情感词； 通过情感词构建情感矩阵，并计算情感分数； 结果评估，包括将情感分数置于0.5到-0.5之间，并可视化显示。 SnowNLP SnowNLP是一个常用的Python文本分析库，是受到TextBlob启发而发明的。由于当前自然语言处理库基本都是针对英文的，而中文没有空格分割特征词，Python做中文文本挖掘较难，后续开发了一些针对中文处理的库，例如SnowNLP、J
情感分析的一些专业术语
qq_40260529的博客
10-13 742
情感分析术语： 枢轴（pivot）：语义和情感倾向，跨域不变 非枢轴（non-pivot）：语义和情感倾向，跨域不一样。 例如，不论是在书籍领域，还是在电子领域，good都被用来表达积极的情绪，所以是枢轴。 readable在书籍领域出现的频率更高，pixelated:（马赛克化，模糊的）在电子产品领域出现的频率更高，所以是非枢轴。 ...
情感分析语料库——情感词典（中文英文）转
热门推荐
calss_public的博客
05-23 4万+
情感分析资源 （转） 中文的http://wenku.baidu.com/view/819b90d676eeaeaad1f3306e.html 情感词典 1.知网的情感词典 -http://www.keenage.com/html/c_bulletin_2007.htm 由知网发布的词典，包括中文情感词典和英文情感词典 （以下需要论坛积分） 2.台湾大学的情感极性词典 -http:/...
关系抽取与情感分析的结合：情感与事实的融合
AI天才研究院
01-04 486
1.背景介绍 关系抽取(Relation Extraction, RE)和情感分析(Sentiment Analysis, SA)都是自然语言处理(NLP)领域中的重要任务，它们各自具有不同的应用场景和挑战。关系抽取的主要目标是从文本中识别出实体之间的关系，如“莫zart是一位法国艺术家”，而情感分析的目标是根据文本内容判断作者的情感态度，如“这部电影很好”。 随着大数据技术的发展，越来越多的...
paip
最新发布
03-12
### PAIP编程珠玑中的示例代码解释 PAIP（Paradigms of Artificial Intelligence Programming）是一本深入探讨人工智能编程范式的书籍，其中包含了大量 Lisp 编写的程序实例。这些例子不仅展示了如何实现特定的人工智能算法，还提供了关于良好软件工程实践的重要见解。 #### 示例：通用求解器框架 书中介绍了一个名为 `defun` 的宏来定义函数，在构建通用问题解决器时非常有用[^1]： ```lisp (defun solve (problem) "Find a solution to the given problem." (let ((solution nil)) ;; Attempt to find a solution using backtracking. (labels ((try-next-option () (when (not solution) (if (no-more-options-p ()) (return-from try-next-option nil) (let* ((option (next-option))) (cond ((goal-reached-p option) (setf solution option)) (t (push-state option) (solve problem) (pop-state)))))))) (try-next-option) solution))) ``` 这段代码实现了回溯法解决问题的一般模式。通过递归调用自身并尝试不同的选项直到找到解决方案为止。如果当前路径无法通向目标，则会恢复之前的状态继续探索其他可能性。 此方法能够有效地处理许多复杂的组合优化类问题，并且由于其灵活性可以很容易地适应各种具体应用场景下的需求变化。 #### 示例：自然语言理解模块 另一个重要的部分涉及到了自然语言处理技术的应用案例——基于语法分析树结构来进行语义解析: ```lisp (defun parse-sentence (sentence) "Parse SENTENCE into its constituent parts and build an interpretation tree." (multiple-value-bind (subject verb-object) (split sentence 'verb) `(sentence :subject ,(parse-noun-phrase subject) :action ,verb-object))) (defun parse-noun-phrase (np-string) "Interpret NP-STRING as either a simple noun or compound phrase." ...) ``` 上述片段演示了如何将输入字符串分割成主谓宾成分，并进一步解析名词短语的具体含义。这种层次化的表示方式有助于后续更高级别的推理操作以及对话管理等功能的设计与实现。 #### 示例：专家系统规则引擎 最后值得一提的是书中对于专家系统的讨论，特别是有关于事实库管理和匹配机制的部分: ```lisp (defstruct fact id pattern bindings) (defun match-patterns (pattern facts) "Return all FACTS that unify with PATTERN, along with their BINDINGS." ...) (defun add-fact (kb new-fact) "Add NEW-FACT to knowledge base KB after checking consistency against existing rules." ...) ``` 这里展示了一种简单而有效的知识表达形式及其相应的查询接口设计思路。通过对模式进行统一化计算从而快速定位符合条件的事实条目；而在更新数据库前则需确保新加入的信息不会引起逻辑矛盾等问题的发生。 以上仅是从《Programming Pearls》一书摘取的一些精彩片段，实际上该著作涵盖了更为广泛的内容领域和技术细节等待读者去发掘学习。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值