#sentiment-analysis Repositories
Entdecke 48 aktive Open-Source-GitHub-Repositories, die mit #sentiment-analysis getaggt sind und insgesamt 237,210 Sterne gesammelt haben (durchschnittlich 4,941 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist fighting41love/funNLP mit 78,181 Sternen.
Insgesamt 48 Repositories
Chinesisch-Englisch-Sensibelwörter, Sprachenerkennung, Chinesisch-Ausländische Mobil-/Festnetznummern-Zuordnung/Operatorabfrage, Geschlechterableitung aus Namen, Mobilnummer-Extraktion, Personalausweis-Extraktion, E-Mail-Extraktion, Chinesisch-Japanisch-Namensbibliothek, Chinesische Abkürzungs-Bibliothek, Wortzerlegungs-Wörterbuch, Lexikalische Sentimentwerte, Stoppwörter, Rebellenwörter-Liste, Gewalt-Terrorwörter-Liste, Vereinfacht-Traditionelles Chinesisch-Umwandlung, Englische Simulation chinesischer Aussprache, Wang Feng Liedtext-Generator, Berufsnamens-Bibliothek, Synonyme-Bibliothek, Antonyme-Bibliothek, Negationswörter-Bibliothek, Automarken-Bibliothek, Autoteile-Bibliothek, Kontinuierliche Englisch-Zerlegung, Verschiedene chinesische Wortvektoren, Sammlung von Firmennamen, Altgedicht-Bibliothek, IT-Bibliothek, Finanz-Bibliothek, Idiome-Bibliothek, Ortsnamens-Bibliothek, Historische Berühmtheiten-Bibliothek, Gedicht-Bibliothek, Medizin-Bibliothek, Ernährung-Bibliothek, Rechts-Bibliothek, Auto-Bibliothek, Tier-Bibliothek, Chinesisches Chat-Korpus, Chinesische Gerüchtedaten, Baidu Chinesisch-Q&A-Datensatz, Satzähnlichkeits-Matching-Algorithmus-Sammlung, bert-Ressourcen, Textgenerierung & -Zusammenfassung Tools, cocoNLP Informations-Extraktions-Tool, Inland-Telefonnummern-Reguläre-Expression-Matching, Tsinghua XLORE: Chinesisch-Englisch-Kreuzsprachige Enzyklopädie-Wissensgraph, Tsinghua-KI-Technologie-Serie-Berichte, Natürliche Sprachgenerierung, NLU zu schwierig Serie, Automatische Duett-Daten & Roboter, Benutzernamen-Blacklist-Liste, Straftat-Juristische Begriffe & Klassifikationsmodell, WeChat-Öffentliche-Account-Korpus, cs224n Deep Learning NLP-Kurs, Chinesische Handschrift-Hanzi-Erkennung, Chinesische NLP-Korpus/Datensätze, Variablennamens-Gott, Segmentierungs-Korpus-Bibliothek + Code, Task-basierte Dialog-Englisch-Datensätze, ASR Sprachdatensätze + Deep-Learning-basiertes Chinesisch
Wei Yu: Ein Multi-Agent-Assistent zur Analyse der öffentlichen Meinung für jedermann, bricht Informationsblasen auf, stellt den ursprünglichen Zustand der öffentlichen Meinung wieder her, prognostiziert zukünftige Trends und unterstützt die Entscheidungsfindung! Von Grund auf neu implementiert, ohne Abhängigkeit von Frameworks.
FinGPT: Open-Source Large Language Models für Finanzen! Revolutionieren Sie 🔥 Wir veröffentlichen das trainierte Modell auf HuggingFace.
Benutzerfreundliche und leistungsstarke LLM- und SLM-Bibliothek mit einer beeindruckenden Modellbibliothek.
Web-Mining-Modul für Python mit Tools für Scraping, Natural Language Processing, Machine Learning, Netzwerkanalyse und Visualisierung.
Eine NLP-Bibliothek zum Erstellen von Bots, mit Entitätsauszug, Stimmungsanalyse, automatischer Sprachenerkennung und vielem mehr
Projekte und Übungen für das neueste Deep-Learning-Nanodegree-Programm https://www.udacity.com/course/deep-learning-nanodegree--nd101
Chinesische gängige Stoppwörter-Liste (HIT-Stoppwörter-Liste, Baidu-Stoppwörter-Liste usw.)
VADER Sentiment Analysis. VADER (Valence Aware Dictionary and sEntiment Reasoner) ist ein Lexikon und ein regelbasiertes Tool zur Sentiment-Analyse, das speziell auf in sozialen Medien ausgedrückte Stimmungen abgestimmt ist und auch bei Texten aus anderen Bereichen gut funktioniert.
Tutorials zum Einstieg in PyTorch und TorchText für die Sentiment-Analyse.
Rust-native, einsatzbereite NLP-Pipelines und transformerbasierte Modelle (BERT, DistilBERT, GPT2, ...)
Text Mining- und Preprocessing-Tools (Textbereinigung, Entdeckung neuer Wörter, Sentiment-Analyse, Entity-Recognition-Linking, Keyword-Extraktion, Wissensextraktion, Syntaxanalyse usw.), unüberwachte oder schwach überwachte Methoden
Jupyter Notebook-Tutorials zum Lösen realer Probleme mit Machine Learning & Deep Learning unter Verwendung von PyTorch. Themen: Gesichtserkennung mit Detectron 2, Anomalieerkennung in Zeitreihen mit LSTM Autoencoders, Objekterkennung mit YOLO v5, Erstellen Ihres ersten Neural Network, Zeitreihenprognose für tägliche Coronavirus-Fälle, Sentiment Analysis mit BER
Hochmodernes Deep-Learning-Modell zur Analyse von Sentiments, Emotionen, Sarkasmus usw.
FinnewsHunter: Multi-Agenten-Finanzinformationsplattform, betrieben von AgenticX. Echtzeit-Nachrichtenanalyse, Sentimentfusion und Alpha-Faktor-Mining.
Dieses Repo enthält Implementierungen verschiedener Architekturen für die Emotionserkennung in Gesprächen.
Open-Source-Analyse der Kundenstimme mit Datenschutz an erster Stelle. Eine selbst gehostete Alternative zu Enterpret und Unwrap, die personenbezogene Daten aus Feedback entfernt, bevor ein LLM es verarbeitet.
Open-Source A-Share quantitative analysis (and combined with LLM models for advanced analysis)
MELD: Ein multimodaler Multi-Party-Datensatz für die Emotionserkennung in Gesprächen
Ein Social-Media-Sentimentanalyseprojekt auf Basis von Weibo-Daten, einschließlich Weibo-Crawler, LDA-Themenanalyse und Sentimentanalyse.
KI-bezogene Tutorials. Greifen Sie kostenlos auf alle zu → https://towardsai.net/editorial
Eine Zeile für Tausende von hochmodernen NLP-Modellen in Hunderten von Sprachen. Der schnellste und genaueste Weg, Textprobleme zu lösen.
Dieses Repository stellt PIXIU vor, eine Open-Source-Ressource, die die ersten großen Sprachmodelle (LLMs) für Finanzzwecke, Instruction-Tuning-Daten und Evaluations-Benchmarks enthält, um finanzielle LLMs ganzheitlich zu bewerten. Unser Ziel ist es, die Open-Source-Entwicklung im Bereich der künstlichen Intelligenz (KI) im Finanzwesen kontinuierlich voranzutreiben.
autonomer Handelsagent, betrieben durch soziale Sentimentanalyse und KI, der lernt, wächst und sich anpasst
NLP verwenden, um die Aktienkursbewegung im Zusammenhang mit Nachrichten vorherzusagen
Webanwendung zur Aktienmarktvorhersage basierend auf maschinellem Lernen und Sentimentanalyse von Tweets (API-Schlüssel im Code enthalten). Das Frontend der Webanwendung basiert auf Flask und Wordpress. Die Anwendung prognostiziert die Aktienkurse der nächsten sieben Tage für jede beliebige Aktie unter NASDAQ oder NSE, die vom Benutzer eingegeben wird. Vorhersagen werden mit drei Algorithmen getroffen: ARIMA, LSTM, lineare Regression. Die Webanwendung kombiniert die prognostizierten Kurse der nächsten sieben Tage mit der Sentimentanalyse von Tweets, um eine Empfehlung zu geben.
Eine Referenz-Anwendung für .NET, die KI für ein Kundensupport-Ticketing-System verwendet
Ein mehrsprachiges Python-Toolkit für Sentimentanalyse und Social NLP-Aufgaben
BERTweet: Ein vortrainiertes Sprachmodell für englische Tweets (EMNLP-2020)
Ein inhaltsbasiertes Empfehlungssystem, das Filme empfiehlt, die dem vom Benutzer bevorzugten Film ähneln, und die Gefühle der vom Benutzer gegebenen Bewertungen analysiert
Eine Reihe von Werkzeugen zur Verarbeitung natürlicher arabischer Sprache, die vom CAMeL Lab an der New York University Abu Dhabi entwickelt wurden.
AAAI 2024 Paper: Entdecken Sie eine umfassende Sammlung innovativer Forschungsarbeiten, die auf einer der führenden Konferenzen für künstliche Intelligenz vorgestellt wurden. Integrieren Sie nahtlos Code-Implementierungen für ein besseres Verständnis. ⭐ Erleben Sie mit diesem Repository den Fortschritt im Bereich der künstlichen Intelligenz auf höchstem Niveau!
💭 Aspektbasierte Sentiment-Analyse: Transformer & Erklärbares ML (TensorFlow)
Repository mit allem, was für die Sentiment-Analyse und verwandte Bereiche erforderlich ist
Natural Language Toolkit für die malaysische Sprache, https://malaya.readthedocs.io/
Sentimentanalyse, Textklassifizierung, Wörterbuch, Bayes, Sentimentanalyse, TextCNN, Klassifizierung, tensorflow, BERT, CNN, Textklassifizierung
🎯 Bilibili-Kommentardaten-Visualisierungsanalyse-Software – Ersteller können sie nutzen, um ihre Themenauswahl zu leiten und ihre Fangemeinde zu verstehen.
Häufig gestellte Fragen
Welches ist das beliebteste #sentiment-analysis-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#sentiment-analysis-Projekt auf GitHub ist fighting41love/funNLP mit 78,181 Sternen. Chinesisch-Englisch-Sensibelwörter, Sprachenerkennung, Chinesisch-Ausländische Mobil-/Festnetznummern-Zuordnung/Operatorabfrage, Geschlechterableitung aus Namen, Mobilnummer-Extraktion, Personalausweis-Extraktion, E-Mail-Extraktion, Chinesisch-Japanisch-Namensbibliothek, Chinesische Abkürzungs-Bibliothek, Wortzerlegungs-Wörterbuch, Lexikalische Sentimentwerte, Stoppwörter, Rebellenwörter-Liste, Gewalt-Terrorwörter-Liste, Vereinfacht-Traditionelles Chinesisch-Umwandlung, Englische Simulation chinesischer Aussprache, Wang Feng Liedtext-Generator, Berufsnamens-Bibliothek, Synonyme-Bibliothek, Antonyme-Bibliothek, Negationswörter-Bibliothek, Automarken-Bibliothek, Autoteile-Bibliothek, Kontinuierliche Englisch-Zerlegung, Verschiedene chinesische Wortvektoren, Sammlung von Firmennamen, Altgedicht-Bibliothek, IT-Bibliothek, Finanz-Bibliothek, Idiome-Bibliothek, Ortsnamens-Bibliothek, Historische Berühmtheiten-Bibliothek, Gedicht-Bibliothek, Medizin-Bibliothek, Ernährung-Bibliothek, Rechts-Bibliothek, Auto-Bibliothek, Tier-Bibliothek, Chinesisches Chat-Korpus, Chinesische Gerüchtedaten, Baidu Chinesisch-Q&A-Datensatz, Satzähnlichkeits-Matching-Algorithmus-Sammlung, bert-Ressourcen, Textgenerierung & -Zusammenfassung Tools, cocoNLP Informations-Extraktions-Tool, Inland-Telefonnummern-Reguläre-Expression-Matching, Tsinghua XLORE: Chinesisch-Englisch-Kreuzsprachige Enzyklopädie-Wissensgraph, Tsinghua-KI-Technologie-Serie-Berichte, Natürliche Sprachgenerierung, NLU zu schwierig Serie, Automatische Duett-Daten & Roboter, Benutzernamen-Blacklist-Liste, Straftat-Juristische Begriffe & Klassifikationsmodell, WeChat-Öffentliche-Account-Korpus, cs224n Deep Learning NLP-Kurs, Chinesische Handschrift-Hanzi-Erkennung, Chinesische NLP-Korpus/Datensätze, Variablennamens-Gott, Segmentierungs-Korpus-Bibliothek + Code, Task-basierte Dialog-Englisch-Datensätze, ASR Sprachdatensätze + Deep-Learning-basiertes Chinesisch
Welche Programmiersprachen werden in #sentiment-analysis-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #sentiment-analysis-Projekten auf GitHub sind Python, Jupyter Notebook, JavaScript, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #sentiment-analysis-Repositories berechnet?
Wir verfolgen 48 aktive Open-Source-Repositories, die mit #sentiment-analysis getaggt sind (500+ Sterne), mit insgesamt 237,210 Sternen und durchschnittlich 4,941 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.