sentiment-analysis

微舆：人人可用的多 Agent 舆情分析助手，打破信息茧房，还原舆情原貌，预测未来走向，辅助决策！从零实现，不依赖任何框架

FinGPT：开源金融大型语言模型！ 革新 🔥 我们在 HuggingFace 上发布了训练好的模型。

易于使用且功能强大的 LLM 与 SLM 库，拥有精彩的模型仓库

Python 的网络挖掘模块，提供爬虫、自然语言处理、机器学习、网络分析与可视化工具

用于构建机器人之自然语言处理库，具备实体抽取、情感分析、自动语言识别等功能

使用 PyTorch 与 TorchText 进行情感分析的入门教程

前沿自然语言处理

Rust 原生即用 NLP 管道与基于 transformer 的模型（BERT、DistilBERT、GPT2 等）。

文本挖掘和预处理工具（文本清洗、新词发现、情感分析、实体识别链接、关键词抽取、知识抽取、句法分析等），采用无监督或弱监督方法

使用 PyTorch 通过机器学习与深度学习解决实际问题的 Jupyter Notebook 教程。主题包含：使用 Detectron 2 进行人脸检测、使用 LSTM Autoencoders 进行时间序列异常检测、使用 YOLO v5 进行对象检测、建立你的第一个神经网络、针对冠状病毒每日确诊数的时间序列预测、使用 BERT 进行情感分析

百度的开源情感分析系统。

用于分析情感、情绪、讽刺等的先进深度学习模型。

此仓库包含对话情绪识别的不同架构实现

FinnewsHunter：由 AgenticX 驱动的多代理金融智慧平台。提供实时新闻分析、情绪融合与阿尔法因子挖掘。

Obsei 是一个低代码的 AI 驱动自动化工具。可用于社交聆听、基于 AI 的警报、品牌形象分析、比较研究等各种业务流程。

对开发者友好的自然语言处理 ✨

Twitter 数据集及相关资源列表。

MELD：用于对话情绪识别的多模态多方数据集

AI 相关教程。免费访问其中任何一个 → https://towardsai.net/editorial

只需 1 行代码即可使用数百种语言中数千个最先进的 NLP 模型。解决文本问题最快且最准确的方法。

基于机器学习与推特情感分析的股市预测网页应用程序（代码内含 API 密钥）。前端采用 Flask 与 WordPress。此应用程序可根据用户输入的 NASDAQ 或 NSE 股票代号，预测未来七天的股价。预测采用三种算法：ARIMA、LSTM、线性回归。网页应用程序结合了

本仓库介绍 PIXIU，这是一个开源资源，包含首批金融大型语言模型（LLMs）、指令微调数据与评估基准，以全面评估金融 LLMs。我们的目标是持续推进金融人工智能（AI）的开源发展。

使用 NLP 预测与新闻相关的股票价格走势

用于情感分析与社群 NLP 任务的 Python 多语言工具包

适用于 Ruby 的快速 transformer 推论

一个基于内容的推荐系统，能推荐与用户喜爱电影相似的电影，并分析用户评论的情感

BERTweet：针对英文推文的预训练语言模型 (EMNLP-2020)

AAAI 2024 论文集：探索顶尖人工智能会议发表的创新研究论文。整合代码实现以利理解。⭐ 通过此存储库体验人工智能的前沿进展！

💭 基于层面的情感分析：Transformer 与可解释机器学习 (TensorFlow)

由纽约大学阿布扎比分校 CAMeL Lab 开发的一套阿拉伯语自然语言处理工具。