DeepMoji

情感分析模型，基于12亿推文训练，支持迁移学习与多情感预测

DeepMoji是一个情感分析模型，基于12亿推文数据训练，可通过迁移学习在多种情感任务中表现出色。项目包含代码示例和预训练模型，兼容Python 2.7和Keras框架，适用于情感预测和文本编码。还提供了PyTorch实现，用户可使用不同模块进行数据处理、模型微调和测试。

DeepMojitorchMoji情感分析机器学习KerasGithub开源项目

GitHub

论文

DeepMoji 项目介绍

DeepMoji 是一个基于深度学习的模型，专注于通过理解表情符号在社交媒体（如推特）上的使用来识别和分析情感表达。这个项目利用海量的数据，约12亿条包含表情符号的推文，来训练模型，使其在与情感相关的文本建模任务上达到最先进的表现。

背景与意义

表情符号是社交媒体中常见的情感表达方式，通过分析这些表情符号及其上下文的使用模式，DeepMoji 提供了一种深入理解非结构化文本情感的途径。利用转移学习技术，DeepMoji 可以在不同的情感识别和文本分析任务中产生极高的精度，这对于自动情感分析、舆情监测等有重大应用价值。

项目资源

DeepMoji 项目中的资源分布于多个目录，各有其功能：

deepmoji/ 包含将数据集转化为模型可识别词汇表及使用模型所需的底层代码。
examples/ 提供了如何将数据集转化为模型词汇、加载模型并运行的示例代码。
scripts/ 包含处理和分析数据集以重现研究结果的代码。
model/ 储存了预先训练好的模型和相关词汇表。
data/ 提供测试所用的原始及处理过的数据集。
tests/ 包含代码库的单元测试。

建议新手从 examples/ 目录开始学习，了解如何使用 DeepMoji 提取表情符号预测，或如何将文本编码为2304维的情感特征向量，也可查看如何通过迁移学习在新数据集上使用模型。

技术要求

DeepMoji 基于 Keras 框架开发，需使用 Theano 或 TensorFlow 作为后端。如果您更习惯使用 PyTorch，可以参考 HuggingFace 提供的 torchMoji 实现。

安装指南

假定您使用的是 Python 2.7，并且已安装 pip。需要先安装 Theano（0.9版以上）或 TensorFlow（1.3版以上）作为后端。安装剩余依赖项前，请在项目根目录运行以下命令：

pip install -e .

这会安装以下依赖项：

Keras
scikit-learn
h5py
text-unidecode
emoji

确保 Keras 能够使用您的选择的后端，可以参考这里的说明。

此外，您需要下载预训练的 DeepMoji 权重（约85MB），并放置在 model/ 目录中。使用以下命令可自动完成：

python scripts/download_weights.py

测试与责任声明

可以通过安装 nose 后，在 tests/ 目录内使用命令 nosetests -v 运行测试。如果不想运行耗时的微调测试，可使用 nosetests -v -a '!slow'。

请注意，该代码在 Ubuntu 16.04 系统上的 Python 2.7 环境中进行了测试，未必是最优化的版本，但对于大多数用途已足够快速。用户在使用过程中需自行承担风险。

贡献与许可

DeepMoji 欢迎大家通过提交 pull request 改进代码，或通过填写反馈表为研究贡献情感数据。项目的代码及预训练模型在 MIT 许可证下发布，详情可在许可协议中查看。

编辑推荐精选

Manus

全面超越基准的 AI Agent助手

Manus 是一款通用人工智能代理平台，能够将您的创意和想法迅速转化为实际成果。无论是定制旅行规划、深入的数据分析，还是教育支持与商业决策，Manus 都能高效整合信息，提供精准解决方案。它以直观的交互体验和领先的技术，为用户开启了一个智慧驱动、轻松高效的新时代，让每个灵感都能得到完美落地。

飞书知识问答

飞书官方推出的AI知识库上传word pdf即可部署AI私有知识库

基于DeepSeek R1大模型构建的知识管理系统，支持PDF、Word、PPT等常见文档格式解析，实现云端与本地数据的双向同步。系统具备实时网络检索能力，可自动关联外部信息源，通过语义理解技术处理结构化与非结构化数据。免费版本提供基础知识库搭建功能，适用于企业文档管理和个人学习资料整理场景。

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

TraeAI IDE协作生产力转型热门AI工具

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

使用教程AI工具酷表ChatExcelAI智能客服AI营销产品

DeepEP

DeepSeek开源的专家并行通信优化框架

DeepEP是一个专为大规模分布式计算设计的通信库，重点解决专家并行模式中的通信瓶颈问题。其核心架构采用分层拓扑感知技术，能够自动识别节点间物理连接关系，优化数据传输路径。通过实现动态路由选择与负载均衡机制，系统在千卡级计算集群中维持稳定的低延迟特性，同时兼容主流深度学习框架的通信接口。

DeepSeek

全球领先开源大模型，高效智能助手

DeepSeek是一家幻方量化创办的专注于通用人工智能的中国科技公司，主攻大模型研发与应用。DeepSeek-R1是开源的推理模型，擅长处理复杂任务且可免费商用。

KnowS

AI医学搜索引擎整合4000万+实时更新的全球医学文献

医学领域专用搜索引擎整合4000万+实时更新的全球医学文献，通过自主研发AI模型实现精准知识检索。系统每日更新指南、中英文文献及会议资料，搜索准确率较传统工具提升80%，同时将大模型幻觉率控制在8%以下。支持临床建议生成、文献深度解析、学术报告制作等全流程科研辅助，典型用户反馈显示每周可节省医疗工作者70%时间。

Windsurf Wave 3

Windsurf Editor推出第三次重大更新Wave 3

新增模型上下文协议支持与智能编辑功能。本次更新包含五项核心改进：支持接入MCP协议扩展工具生态，Tab键智能跳转提升编码效率，Turbo模式实现自动化终端操作，图片拖拽功能优化多模态交互，以及面向付费用户的个性化图标定制。系统同步集成DeepSeek、Gemini等新模型，并通过信用点数机制实现差异化的资源调配。

AI IDE