معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Sentiment analysis library for russian language

ویژگی	مقدار
سیستم عامل	-
نام فایل	dostoevsky-0.6.0
نام	dostoevsky
نسخه کتابخانه	0.6.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Bureaucratic Labs
ایمیل نویسنده	hello@b-labs.pro
آدرس صفحه اصلی	https://github.com/bureaucratic-labs/dostoevsky
آدرس اینترنتی	https://pypi.org/project/dostoevsky/
مجوز	MIT

# Dostoevsky [![Build Status](https://travis-ci.org/bureaucratic-labs/dostoevsky.svg?branch=master)](https://travis-ci.org/bureaucratic-labs/dostoevsky) <img align="right" src="https://i.imgur.com/uLMWPuL.png"> Sentiment analysis library for russian language ## Install Please note that `Dostoevsky` supports only Python 3.6+ on both Linux and Windows ```bash $ pip install dostoevsky ``` ## Social network model [FastText] This model was trained on [RuSentiment dataset](https://github.com/text-machine-lab/rusentiment) and achieves up to ~0.71 F1 score. ### Usage First of all, you'll need to download binary model: ```bash $ python -m dostoevsky download fasttext-social-network-model ``` Then you can use sentiment analyzer: ```python from dostoevsky.tokenization import RegexTokenizer from dostoevsky.models import FastTextSocialNetworkModel tokenizer = RegexTokenizer() tokens = tokenizer.split('всё очень плохо') # [('всё', None), ('очень', None), ('плохо', None)] model = FastTextSocialNetworkModel(tokenizer=tokenizer) messages = [ 'привет', 'я люблю тебя!!', 'малолетние дебилы' ] results = model.predict(messages, k=2) for message, sentiment in zip(messages, results): # привет -> {'speech': 1.0000100135803223, 'skip': 0.0020607432816177607} # люблю тебя!! -> {'positive': 0.9886782765388489, 'skip': 0.005394937004894018} # малолетние дебилы -> {'negative': 0.9525841474533081, 'neutral': 0.13661839067935944}] print(message, '->', sentiment) ``` If you use the library in a research project, please include the following citation for the RuSentiment data: ``` @inproceedings{rogers-etal-2018-rusentiment, title = "{R}u{S}entiment: An Enriched Sentiment Analysis Dataset for Social Media in {R}ussian", author = "Rogers, Anna and Romanov, Alexey and Rumshisky, Anna and Volkova, Svitlana and Gronas, Mikhail and Gribov, Alex", booktitle = "Proceedings of the 27th International Conference on Computational Linguistics", month = aug, year = "2018", address = "Santa Fe, New Mexico, USA", publisher = "Association for Computational Linguistics", url = "https://www.aclweb.org/anthology/C18-1064", pages = "755--763", } ```

نیازمندی

مقدار	نام
==0.9.2	fasttext
==0.5.0	razdel

نحوه نصب

نصب پکیج whl dostoevsky-0.6.0:

pip install dostoevsky-0.6.0.whl

نصب پکیج tar.gz dostoevsky-0.6.0:

pip install dostoevsky-0.6.0.tar.gz