爬取网易，搜狐，凤凰和澎湃网站评论数据,正负面情感分析

向AI转型的程序员都关注了这个号????????????

机器学习AI算法工程   公众号：datayx

Scrapy爬虫项目

基于Scrapy框架的Python新闻爬虫，能够爬取网易，搜狐，凤凰和澎湃网站上的新闻，将标题，内容，评论，时间等内容整理并保存到本地。

项目需求
1：爬取网易，搜狐，凤凰和澎湃新闻网站的文章及评论
2：新闻网页数目不少于10万页
3：每个新闻网页及其评论能在1天内更新

项目技术
1:设计一个网络爬虫，能够爬取指定网站的全部页面，并提取其中的文章及评论内容

2:定时运行网络爬虫，实现每日更新数据

首先从初始URL 开始，Scheduler 会将其交给 Downloader 进行下载，下载之后会交给 Spider 进行分析，这里的spider就是爬虫的核心功能代码,Spider分析出来的结果有两种：一种是需要进一步抓取的链接，它们会通过middleware传回 Scheduler ；另一种是需要保存的数据，送入Item Pipeline ，进行处理和存储,最后将所有数据输出并保存为文件

项目相关代码获取：

关注微信公众号 datayx  然后回复  情感分析  即可获取。

AI项目体验地址 https://loveai.tech

正负面情感分析

从舆情系统中爬取出了5000条关于电商评价的数据，人工进行对这5000条数据标注，分为正面和负面，做情感分析。训练模型，对后面爬取出的电商评论进行预测。

项目是一个NLP中的一个情感分析的业务，属于二分类任务。数据是舆情系统中从某电商平台上爬取下来的评论数据。人工对数据进行标记，分为两个类：分别为正面和负面。在很多模型进行比较后，决定用卷积网络，取得了很好的效果。

电商数据为csv格式，由evalution和label两个字段组成，风别为用户评论和正负面标签。对原始的文本进行分词，转编码等预处理。

模型训练：net.py和text_classification.py net.py:CNN模型和模型的参数 text_classification.py：训练模型。

模型预测：demo.py 保存模型，输出score为0.9334

---

阅读过本文的人还看了以下文章：

【全套视频课】最全的目标检测算法系列讲解，通俗易懂！

《美团机器学习实践》_美团算法团队.pdf

《深度学习入门：基于Python的理论与实现》高清中文PDF+源码

特征提取与图像处理(第二版).pdf

python就业班学习视频，从入门到实战项目

2019最新《PyTorch自然语言处理》英、中文版PDF+源码

《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码

《深度学习之pytorch》pdf+附书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材

笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！

《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API

FashionAI服装属性标签图像识别Top1-5方案分享

重要开源！CNN-RNN-CTC 实现手写汉字识别

yolo3 检测出图像中的不规则汉字

同样是机器学习算法工程师，你的面试为什么过不了？

前海征信大数据算法：风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类

VGG16迁移学习，实现医学图像识别分类工程项目

特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七)：图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分？

Machine Learning Yearning 中文翻译稿

蚂蚁金服2018秋招-算法工程师（共四面）通过

全球AI挑战-场景分类的比赛源码(多模型融合)

斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）

python+flask搭建CNN在线识别手写中文网站

中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx  

QQ群 

333972581