Skip to content
Projects

dengxiuqi/WeiboSentiment has 638 GitHub stars and 75 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-16 04:34 UTC. Last push 2023-06-12.

How these counts are measured

Measured star growth

in 24h
0
in 7 days
Collecting history
in 15 days
Collecting history
in 1 month
Collecting history

Net star changes over overlapping periods, not daily totals. Missing measurements are left blank. Stars measure attention, not software quality.

About

基于各种机器学习和深度学习的中文微博情感分析

Developer Tools

README.md

Original

WeiboSentiment

用各种机器学习对中文微博进行情感分析
语料来源: https://github.com/dengxiuqi/weibo2018

"微博情感分析"是我本科的毕业设计, 也是我入门NLP的项目, 就把它发出来供大家交流。
2021.06.07更新: 之前的版本写得比较随意, 没想到star破百了, 私下也有一些刚入门NLP的同学因为这个项目联系我, 就更新一下这个项目吧
  • 重构项目架构和代码, 提高可读性
  • 每个文件中的特征、数据处理方法与模型细节都尽可能避免重复, 以给各位同学提供更多的参考
  • 神经网络结构换成了pytorch, 需要tensorflow 1.0代码的同学请回退至445998版本。
  • 新增了Bert模型
  • 由于gensim新老版本很多语法不兼容, 将gensim更新为4.0版本

项目说明

  • 训练集10000条语料, 测试集500条语料
  • 使用朴素贝叶斯、SVM、XGBoost、LSTM和Bert, 等多种模型搭建并训练二分类模型
  • 前3个模型都采用端到端的训练方法
  • LSTM先预训练得到Word2Vec词向量, 在训练神经网络
  • Bert使用的是哈工大的预训练模型, 用Bert的[CLS]位输出在一个下游网络上进行finetune。预训练模型需要自行下载:

实验结果

各种分类器在测试集上的测试结果

模型 准确率 AUC
1.bayes 0.856 -
2.svm 0.856 -
3.xgboost 0.86 0.904
4.lstm 0.87 0.931
5.bert 0.87 0.929