來源：機器學習AI算法工程
本文約600字，建議閱讀5分鐘
本文中，我們介紹了中文微博情感分析的情況。

中文微博情感分類語料庫

• "情感分析"是我本科的畢業(yè)設計，也是我入門并愛上NLP的項目hhh，當時網(wǎng)上相關(guān)語料庫的質(zhì)量都太低了，索性就自己寫了個爬蟲，一邊標注一邊爬，現(xiàn)在就把它發(fā)出來供大家交流。因為是自己的項目，所以標注是相當認真的，還請了朋友幫忙校驗，過濾掉了廣告/太短/太長/表意不明等語料，語料質(zhì)量是絕對可以保證的。
• 帶情感標注的微博語料數(shù)量: 10000(train.txt)+500(test.txt)
  
  

數(shù)據(jù)格式

• 文檔的每一行代表一條語料。
• 每條語料的第一個數(shù)據(jù)為微博對應的mid,是每條微博的唯一標簽，可以通過"https://m.weibo.cn/status/" + mid 訪問到該條微博的網(wǎng)頁(部分微博可能已被博主刪除)。
• 第二個數(shù)據(jù)為情感標簽，0表示負面，1表示正面。
  
  

項目說明

• 訓練集10000條語料，測試集500條語料。
• 使用樸素貝葉斯、SVM、XGBoost、LSTM和Bert，等多種模型搭建并訓練二分類模型。
• 前3個模型都采用端到端的訓練方法。
• LSTM先預訓練得到Word2Vec詞向量，在訓練神經(jīng)網(wǎng)絡。
• Bert使用的是哈工大的預訓練模型，用Bert的[CLS]位輸出在一個下游網(wǎng)絡上進行finetune。預訓練模型需要自行下載。

下載后將文件夾放在./model文件夾下，并將bert_config.json改名為config.json。

實驗結(jié)果

各種分類器在測試集上的測試結(jié)果：

項目資料：

基于情感詞典、k-NN、Bayes、最大熵、SVM的情感分析

https://github.com/chaoming0625/SentimentPolarityAnalysis

風險事件文本分類(達觀杯Rank4)

https://github.com/DA-southampton/DaguanFengxian

編輯：王菁
校對：林亦霖