sentiment-analysis

微舆: Ein allgegenwärtiger Mehr-Agent-Stimmungsanalyse-Helfer, der Informationsblasen bricht, den ursprünglichen Stimmungsbild wiederherstellt, zukünftige Entwicklungen vorhersagt und Entscheidungen unterstützt! Von null implementiert, ohne Abhängigkeit von einem Framework.

FinGPT: Open-Source Financial Large Language Models! Revolutionize 🔥 Wir veröffentlichen das trainierte Modell auf HuggingFace.

Benutzerfreundliche und leistungsstarke LLM- und SLM-Bibliothek mit einer großartigen Modell-Sammlung.

Web-Mining-Modul für Python mit Werkzeugen für Scraping, natürliche Sprachverarbeitung, maschinelles Lernen, Netzwerkanalyse und Visualisierung.

Eine NLP-Bibliothek zum Erstellen von Bots mit Entitätserkennung, Sentiment-Analyse, automatischer Spracherkennung und vielem mehr.

Tutorials für den Einstieg in PyTorch und TorchText zur Sentimentanalyse.

State-of-the-Art-Verarbeitung natürlicher Sprache

In Rust geschriebene, einsatzbereite NLP-Pipelines und Transformer-basierte Modelle (BERT, DistilBERT, GPT2,...)

Text-Mining- und Vorverarbeitungswerkzeug (Textbereinigung, Erkennung neuer Wörter, Sentimentanalyse, Entitätserkennungsverknüpfung, Schlüsselextraktion, Wissensextraktion, Syntaxanalyse usw.) mit unüberwachten oder schwach überwachten Methoden

Jupyter Notebook-Tutorials zum Lösen realer Probleme mit Machine Learning & Deep Learning unter Verwendung von PyTorch. Themen: Gesichtserkennung mit Detectron 2, Zeitreihen-Anomalieerkennung mit LSTM Autoencoders, Objekterkennung mit YOLO v5, Erstellung Ihres ersten neuronalen Netzwerks, Zeitreihenvorhersage für tägliche Coronavirus-Fälle, Sentiment-Analyse mit BERT

Baidus Open-Source-System zur Sentiment-Analyse.

Hochmoderne Deep-Learning-Modelle zur Analyse von Stimmung, Emotionen, Sarkasmus usw.

Dieses Repository enthält die Implementierung verschiedener Architekturen zur Emotionserkennung in Konversationen.

FinnewsHunter: Eine von AgenticX angetriebene Multi-Agenten-Plattform für Finanzintelligenz. Echtzeit-Nachrichtenanalyse, Stimmungsfusion und Alpha-Faktor-Mining.

Obsei ist ein KI-gestütztes Low-Code-Automatisierungstool. Es kann in verschiedenen Geschäftsprozessen wie Social Listening, KI-basierten Warnmeldungen, Markenimageanalyse, vergleichenden Studien und mehr eingesetzt werden.

Entwicklerfreundliche natürliche Sprachverarbeitung ✨

Eine Liste von Twitter-Datensätzen und zugehörigen Ressourcen.

MELD: Ein multimodaler Mehrparteien-Datensatz zur Emotionserkennung in Gesprächen

KI-bezogene Tutorials. Greife kostenlos auf alle zu → https://towardsai.net/editorial

1 Zeile für Tausende von State-of-the-Art NLP-Modellen in Hunderten von Sprachen. Der schnellste und präziseste Weg, Textprobleme zu lösen.

Web-App zur Vorhersage von Aktienmärkten basierend auf maschinellem Lernen und Sentiment-Analyse von Tweets (API-Schlüssel im Code enthalten). Das Frontend der Web-App basiert auf Flask und Wordpress. Die App prognostiziert die Aktienkurse der nächsten sieben Tage für jede vom Benutzer eingegebene Aktie unter NASDAQ oder NSE. Vorhersagen werden mit drei Algorithmen getroffen: ARIMA, LSTM, Lineare Regression. Die Web-App kombiniert das

Dieses Repository stellt PIXIU vor, eine Open-Source-Ressource mit den ersten großen Sprachmodellen (LLMs) für den Finanzsektor, Instruktions-Tuning-Daten und Evaluierungs-Benchmarks zur ganzheitlichen Bewertung von Finanz-LLMs. Unser Ziel ist es, die Open-Source-Entwicklung der künstlichen Intelligenz (KI) im Finanzwesen kontinuierlich voranzutreiben.

Verwendung von NLP zur Vorhersage von Aktienkursbewegungen im Zusammenhang mit Nachrichten

Ein mehrsprachiges Python-Toolkit für Sentiment-Analyse und Social-NLP-Aufgaben

Schnelle Transformer-Inferenz für Ruby

Ein inhaltsbasiertes Empfehlungssystem, das Filme vorschlägt, die den Vorlieben des Benutzers ähneln, und die Stimmung der vom Benutzer abgegebenen Rezensionen analysiert

BERTweet: Ein vortrainiertes Sprachmodell für englische Tweets (EMNLP-2020)

AAAI 2024 Papers: Eine umfassende Sammlung innovativer Forschungsarbeiten einer der führenden Konferenzen für künstliche Intelligenz, inklusive Code-Implementierungen.

Aspektbasierte Sentiment-Analyse: Transformer und erklärbares ML (TensorFlow).

Eine Suite von Werkzeugen zur arabischen Sprachverarbeitung, entwickelt vom CAMeL Lab an der New York University Abu Dhabi.