了解所有自然语言处理（NLP）专家使用Python中的前5个开源情感分析项目。
Sentiment Analysis（也称为意见挖掘）是一种NLP的方法，在一段文本中，计算在计算上识别并分类了混合观点（正，负或中性）。通常是为了确定作者对特定主题，产品，对象等的语气和态度。
企业正在将流行的情感分析工具应用于许多用例，例如社交媒体监控，客户支持管理和分析客户反馈。
注意： 在本文中，我们将讨论一些出色的开源情感分析项目/存储库，您可以在2023年在项目中使用这些项目/存储库。建议遵循项目沿项目的链接。
Datacamp的课程
学习不仅仅是在您的工作中更有能力，这不仅仅是这一点。 Datacamp允许我学习而无限制。
Datacamp允许您在自己的时间上学习课程，并学习过渡到成功职业所需的基本技能。
Datacamp教会我快速提出新的想法，并将其应用于现实世界中的问题。当我处于学习阶段时，Datacamp将我吸引了我的课程中的所有内容，从课程内容和TA反馈到聚会活动和教授的Twitter feed。
。这是我最喜欢的课程，我强烈建议您在适合您的日程安排和心情时学习。您可以将从这些课程从这些课程中学到的概念和技能直接应用于工作或大学中令人兴奋的新项目。
1. Sentiment Analysis in Python
3. Introduction to Text Analysis in R
4. Analyzing Social Media Data in R
5. Introduction to Natural Language Processing in Python
6. Introduction to Natural Language Processing in R
回到主题 -
1.图案
github： https://github.com/clips/pattern
官方文件： https://github.com/clips/pattern/wiki
github星星： 8.4K
github叉： 1.6k
语言： Python（87％），JavaScript（13％）
模式是Python中的网络开采模块，用于执行数据挖掘，自然语言处理，机器学习和网络分析任务。该库经过350多个单位测试，并在BSD license下与50多个示例捆绑在一起。
。模式支持Python 2.5+版本，并且需要安装NumPy。它可以使用Python中的PyPi软件包直接安装：
$ pip install pattern
模式为以下应用提供了支持：
- 网络服务上的数据挖掘，例如Google，Twitter，Wikipedia，Web Crawler，HTML DOM Parser
- NLP用于情感分析，n-gram搜索，WordNet，词性标记
- 机器学习算法，例如聚类，分类，KNN，SVM，perceptron，矢量空间模型
- 使用图中心和可视化的网络分析
2. Absa-Pytorch
github： https://github.com/songyouwei/ABSA-PyTorch
github星星： 1.7K
github叉： 491
语言： python（100％）
Aspect-Based Sentiment Analysis (ABSA)是情感分析中的一个次技术，它根据其方面划分文本数据以定义其情感。该项目是ABSA的Pytorch-Python实施。
您需要pytorch，numpy，sklearn，python（3.6或3.7）和变压器来安装此库。所有实施的模型均在此folder中列出，并建议尝试PyABSA进行灵活的培训，推理和方面术语提取。
注意：这个情绪分析项目遵循all-contributors规范。欢迎任何形式的贡献！
3.股份
github： https://github.com/shirosaidev/stocksight
官方文档： https://shirosaidev.github.io/stocksight/
github星星： 1.6k
github叉： 386
语言： python（97.9％），外壳（1.4％），dockerfile（0.7％）
StockSight是一种使用Elasticsearch，Twitter，新闻头条，NLP和情感分析的股票市场分析仪和预测工具。该图书馆可帮助您通过存储和分析股票数据来了解Twitter上有多少情绪和不同的新闻头条影响股票的价格。
它存储了Twitter和新闻头条，分析了作者写的内容的情感，然后对文本进行了情感分析，以指定作者对股票的看法。
您可以使用此项目不仅找到股票的情感，还可以找到任何事物的情感。
注意：您可以通过加入他们的股票懈怠频道来获得社区成员的支持和帮助。
Click here to download the StockSight software here.
4. Twitter情感分析
github： https://github.com/abdulfatir/twitter-sentiment-analysis
项目报告： https://github.com/abdulfatir/twitter-sentiment-analysis/blob/master/docs/report.pdf
github星星： 1.3k
github叉： 560
语言： python（100％）
Twitter情感分析是一个项目，用于使用各种机器学习算法和提取功能对推文进行情感分析。该项目使用各种机器学习算法来生成模型ensemble。
数据集进行了预处理并为模型的训练准备。该模型在以下分类器上进行了培训：
- 幼稚的贝叶斯
- 最大熵
- 随机森林
- 决策树
- xgboost
- SVM
- 多层感知器
- 卷积神经网络
- 经常性神经网络
一些改善模型的范围是使用符号来处理情感范围，并在实时视频中检测情绪。
5. Obsei
github： https://github.com/obsei/obsei
官方文档： https://obsei.com/
github星星： 781
github叉： 108
语言： python（58.5％），jupyter笔记本（41.1％），其他（0.4％）
obsei是一种low-code AI-powered automation tool，在社交聆听，基于AI的警报/通知，品牌图像分析，比较研究，标签的自动分配，自动化客户问题创建，更深刻的见解以及更多基于更多的洞察力以及更多基于更多的洞察力以及更多基于其他的洞察力等混合业务流中。在您的创造力上。
下面列出了Obsei的一些很酷的功能：
- - 需要认知思维的任务
- - 跨各种渠道收集和派遣数据
- - 非结构化数据的ETL工具
- - 自动化平凡任务的低代码接口
obsei允许您观察（收集非结构化数据），分析（分析非结构化数据）并告知（将分析的数据发送到各个目的地）。
如果您喜欢阅读这篇文章，我们会在类似的行业中进行类似的兴趣。因此，让我们通过LinkedIn和Github连接。请随时发送联系请求！