BUPTLdy/Sentiment-Analysis

解決的問題

本專案提供一個系統，可將中文產品評論的情感分類為正面或負面。它既是早期情感分析技術的歷史紀錄，也作為情感分類的現代、可重現的基準。

如何運作

本專案提供兩種主要實作路徑：

1. 現代基準：一個相容 Python 3 的命令列工具，使用字元級 TF-IDF（詞頻-逆文件頻率）來表示文字，無需依賴中文分詞詞典，並搭配 Linear SVM（支援向量機）進行分類。
2. 遺留實作：使用 Word2Vec 嵌入的歷史程式碼，結合 RBF SVM 或 Keras LSTM 網路（專為 Python 2.7 與 TensorFlow 1 設計）。

適用對象

尋找簡單、可重現的中文情感分析基準的開發者與學生，或研究從 Word2Vec/LSTM 到 TF-IDF/SVM 情感分類方法演進過程的人。

特色亮點

• 無需詞典：現代實作使用字元級 TF-IDF，消除對外部中文分詞工具的依賴。
• 可重現性：包含 CLI 工具，使用固定隨機種子進行訓練與預測，確保評估的一致性。
• 歷史脈絡：保留遺留實作，供研究與對比之用。
• 元資料追蹤：在儲存模型的同時，記錄訓練時間、資料量與準確率等指標。