BUPTLdy/Sentiment-Analysis

解决的问题

该项目提供了一个系统，用于将中文产品评论的情感分类为正面或负面。它既作为早期情感分析技术的历史记录，也作为情感分类的现代、可复现的基线。

工作原理

该项目提供两种主要实现路径：

1. 现代基线：一个兼容 Python 3 的命令行工具，使用字符级 TF-IDF（词频-逆文档频率）表示文本，无需依赖中文分词词典，并搭配 Linear SVM（支持向量机）进行分类。
2. 遗留实现：使用 Word2Vec 嵌入的旧版代码，结合 RBF SVM 或 Keras LSTM 网络（专为 Python 2.7 和 TensorFlow 1 设计）。

适用人群

寻找简单、可复现的中文情感分析基线的开发者和学生，或研究从 Word2Vec/LSTM 到 TF-IDF/SVM 情感分类方法演进过程的人。

特色亮点

• 无需词典：现代实现使用字符级 TF-IDF，消除了对外部中文分词工具的依赖。
• 可复现性：包含 CLI 工具，使用固定随机种子进行训练和预测，确保评估的一致性。
• 历史背景：保留了遗留实现，供研究和对比使用。
• 元数据追踪：在保存模型的同时，记录训练时间、数据量和准确率等指标。