注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. jQuery仿新浪微博用户评论表单代码（完整版）支持二级回复，带json

  2. jQuery仿新浪微博用户评论表单代码（完整版）支持二级回复，带json jQuery新浪微博用户评论表单代码是一款实用的用户评论回复交互式表单代码。 无刷新加载~

  3. 所属分类：Javascript

    • 发布日期：2018-07-24
    • 文件大小：48kb
    • 提供者：immenselee

  1. 基于近邻用户评论的推荐辅助网络.pdf

  2. 基于近邻用户评论的推荐辅助网络.pdf 更多资源请点击：https://blog.csdn.net/weixin_44155966

  3. 所属分类：机器学习

    • 发布日期：2020-03-27
    • 文件大小：780kb
    • 提供者：weixin_44155966

  1. 细粒度用户评论情感分析数据集(AI-challenge）

  2. 共包含6大类20个细粒度要素的情感倾向.数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。

  3. 所属分类：机器学习

    • 发布日期：2020-03-03
    • 文件大小：67mb
    • 提供者：blank_angle

  1. 美团细粒度用户评论情感分析数据集(2018-AI-challenger).zip

  2. AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用 AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用 AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用

  3. 所属分类：算法与数据结构

    • 发布日期：2019-12-31
    • 文件大小：67mb
    • 提供者：wentixiaogege

  1. 百度地图与高德地图用户评论Python爬取结果.zip

  2. 爬取了360手机助手百度地图与高德地图用户评论，包括好评、中评和差评，具体方法移步：https://blog.csdn.net/qq_37089628/article/details/102567270

  3. 所属分类：Python

    • 发布日期：2019-10-15
    • 文件大小：368kb
    • 提供者：qq_37089628

  1. Amazon 无锁手机用户评论数据.zip

  2. Amazon 无锁手机用户评论数据.zip

  3. 所属分类：其它

    • 发布日期：2020-06-25
    • 文件大小：34mb
    • 提供者：qq_36247362

  1. python用户评论标签匹配的解决方法

  2. 主要为大家详细介绍了python用户评论标签匹配的解决方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：100kb
    • 提供者：weixin_38727694

  1. vue.js实现用户评论、登录、注册、及修改信息功能

  2. 主要为大家详细介绍了vue.js实现用户评论、登录、注册、及修改信息功能，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-10-19
    • 文件大小：74kb
    • 提供者：weixin_38727694

  1. Node.js实现用户评论社区功能（体验前后端开发的乐趣）

  2. 主要介绍了Node.js实现用户评论社区（体验前后端开发的乐趣） ,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：68kb
    • 提供者：weixin_38735182

  1. vue.js实现用户评论、登录、注册、及修改信息功能

  2. vue.js实现用户评论、登录、注册、及修改用户部分信息功能代码。效果图如下： 登入后： 登入前： 登录框: 注册框： html代码部分： index <link rel="stylesheet" href="css/index.css"

  3. 所属分类：其它

    • 发布日期：2020-12-09
    • 文件大小：232kb
    • 提供者：weixin_38547421

  1. python用户评论标签匹配的解决方法

  2. 我们观察用户评论发现：属性词往往和情感词伴随出现，原因是用户通常会在描述属性时表达情感，属性是情感表达的对象。还发现：属性词和专用情感词基本都是名词或形容词（形谓词）。 算法流程图如下： 评论数据如下： 代码如下： #encoding=utf-8 ############################# # # 功能：给定一些中文的产品评论，希望从中找到评价对象及评价词。 # # author:licl # ############################## fdata =

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：102kb
    • 提供者：weixin_38687648

  1. jQuery新浪微博用户评论表单特效代码

  2. jQuery新浪微博用户评论表单代码是一款实用的用户评论回复交互式表单代码。

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：48kb
    • 提供者：weixin_38556189

  1. jQuery实现用户评论留言特效代码

  2. jQuery实现用户评论留言代码是一款适合网站前台评论留言特效代码。

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：395kb
    • 提供者：weixin_38697274

  1. Sentiment-Analysis:情感分析系统，用于分析用户评论是积极还是消极。其中使用了逻辑回归函数，决策树，支持向量机，神经网络等不同的模型进行训练-源码

  2. Sentiment-Analysis:情感分析系统，用于分析用户评论是积极还是消极。其中使用了逻辑回归函数，决策树，支持向量机，神经网络等不同的模型进行训练

  3. 所属分类：其它

  1. 视频游戏评论分析：视频游戏评论的分类和主题分析，受Steam用户评论训练-源码

  2. 视频游戏评论分析 在Steam用户评论中训练的视频游戏评论的分类和主题分析。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：39mb
    • 提供者：weixin_42173205

  1. 用户评论-源码

  2. 用户评论

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：117kb
    • 提供者：weixin_42116585

  1. 用户评论-源码

  2. 用户评论

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：533kb
    • 提供者：weixin_42127775

  1. 基于用户评论的潜在演化需求发现方法

  2. 由于在线用户评论具有数据量大、质量良莠不齐等特点,单纯依靠人工校读方法发现其中的演化需求耗时耗力,也无法满足以用户为中心的软件版本快速更新的需要,因此提出一种基于用户评论的潜在演化需求发现方法 DICM.该方法首先对预处理后的用户评论文本进行基于信息增益的特征选择,接着使用下采样来降低训练集与测试集的不平衡度,最后利用朴素贝叶斯分类器分类出潜在演化需求,以辅助需求工程师进行演化需求的抽取.对照实验结果表明,使用DICM方法发现的潜在演化需求可以有效辅助需求分析师进行演化需求的获取,减轻需求分析师

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：916kb
    • 提供者：weixin_38516863

  1. restaurant-finder-featureReviews：构建一个Flask Web应用程序以帮助用户检索关键的餐厅信息和基于功能的评论（通过在用户评论中应用市场购物篮模型-Apriori算法和NLP生成）-源码

  2. 餐厅搜寻器 描述 使用Scrapy构建了一个网络爬虫，以从TripAdvisor收集餐厅信息和评论。 在将数据存储到MongoDB中之前，对餐厅数据进行了Web抓取，清理和预处理。 从用户评论中删除了停用词，标点符号，特殊字符，数字和空格，并建立了应用标记化和词干的语料库。 使用Apriori算法和NLP从用户评论中识别出关键的餐厅特色。 根据频繁的餐厅特色生成汇总评论。 使用Tableau创建智能仪表板，通过正面和负面评论，美食，特色/餐点，价格和位置来发现顶级餐厅。 构建了Fla

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：765kb
    • 提供者：weixin_42134143

  1. 情感分析：细粒度用户评论情感分析-源码

  2. 细粒度用户评论情感分析 在线评论的细粒度情感分析对于深刻理解商家和用户，挖掘用户情感等方面有实质性的价值，并且在互联网行业有极其广泛的应用，主要用于个性化推荐，智能搜索，产品反馈，业务安全等。 依赖 Python 3.5 PyTorch 0.4 数据集 使用AI Challenger 2018的细粒度用户评论情感分析数据集，共包含6大类20个细粒度要素的情感倾向。 数据说明 数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务，位置等要素；；层次二为

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：160kb
    • 提供者：weixin_42099942
« 12 3 4 5 6 7 8 9 10 ... 50 »