Skip to content
View CarryChang's full-sized avatar
💭
好奇先生
💭
好奇先生
Block or Report

Block or report CarryChang

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Please don't include any personal information such as legal names or email addresses. Maximum 100 characters, markdown supported. This note will be visible to only you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
CarryChang/README.md

count

Pinned

  1. Customer_Satisfaction_Analysis Customer_Satisfaction_Analysis Public

    基于在线民宿 UGC 数据的意见挖掘项目,包含数据挖掘和NLP 相关的处理,负责数据采集、主题抽取、情感分析等任务。目的是克服用户打分和评论不一致,实时对在线民宿的满意度评测,包含在线评论采集和情感可视化分析。搭建了百度地图POI查询入口,可以进行自动化的批量查询 POI 信息的功能;构建了基于在线民宿语料的 LDA 自动主题聚类模型,利用主题中心词能找出对应的主题属性字典;以用户打分作为标…

    Python 402 125

  2. Real_Time_DataMining_Software Real_Time_DataMining_Software Public

    携程/榛果民宿实时评论挖掘软件,包含数据的实时采集/数据清洗/结构化保存/ UGC 数据主题提取/情感分析/后结构化可视化等技术的综合性演示 Demo。基于在线民宿 UGC 数据的意见挖掘项目,包含数据挖掘和 NLP 相关的处理,负责数据采集、主题抽取、情感分析等任务。主要克服用户打分和评论不一致,实时对携程和美团在线民宿的满意度进行评测以及对额外数据进行可视化的综合性工具,多维度的对在线 …

    Python 63 26

  3. C-CNN-for-Chinese-Sentiment-Analysis C-CNN-for-Chinese-Sentiment-Analysis Public

    基于字符级卷积神经网络的细粒度的中文情感分析以及具体的应用,将顾客打分和评论情感进行两极映射,使用数据自动标注和基于弱监督预训练的数据增强方式自动扩充和优化数据集,实验证实了在情感分类中,使用本文的字符级卷积神经网络(C-CNN-SA)可以在不依赖分词的情况下,达到的精度和 F 值均高于词级粒度。并将模型上线使用,利用tensoflow+flask restful做出的后端服务化,具体的项目…

    HTML 40 14

  4. UGC-Analysis UGC-Analysis Public

    本软件包括对于百度外卖平台的原始评论采集、评论情感计算并分类展示、以及对于用户打分、服务评分等结构化数据进行可视化三个主要功能模块。本软件的主要技术特征在于改造和使用了网络爬虫,来为本软件提供实时数据采集的能力,并将评论情感极性分析和用户打分相结合,在首先考虑用户打分的情况下,再对用户评论进行情感极性分析,通过两者综合考虑,即可解决由于部分用户打分和具体评论情感不一致的问题,增加了平台对于 …

    Python 38 12

  5. CQNU-TED CQNU-TED Public

    这是参加学校研究生院举行的“华为杯”计算机网页设计大赛做的作品,获得了第三名,技术栈为:Django+Mysql+Xadmin,制作在线学习平台的目的是要打造校园内部的学习共享平台,缓解老师压力,通过教学数字化的方式,使得知识共享并能收到相应的奖励,后续加入学分制,使得学生可以获得课外学习的分数,平台搭建的初期就是起到数据的收集平台,为加入学业分析和智能推荐做准备,详情点击

    HTML 30 12

  6. 2019-nCoV-Vis 2019-nCoV-Vis Public

    参与针对于2019-nCoV数据可视化预测项目,后端完全使用ElasticSearch集群/Redis缓存,利用Flask提供API Server,利用前端/中后/前台的接口配合完成新型冠状病毒的疫情发展的相关信息可视化以及预测,方便观察疫情发展情况,并结合机器学习模型对疫情进行预测。

    Python 23 7