[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-pysentimiento--pysentimiento":3,"tool-pysentimiento--pysentimiento":65},[4,17,27,35,48,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",148568,2,"2026-04-09T23:34:24",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,3,"2026-04-06T11:19:32",[15,26,14,13],"图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85052,"2026-04-08T11:03:08",[26,43,44,45,14,46,15,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":54,"last_commit_at":55,"category_tags":56,"status":16},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[15,43,46],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":23,"last_commit_at":63,"category_tags":64,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[14,26,13,15,46],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":68,"owner_name":68,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":78,"owner_email":78,"owner_twitter":78,"owner_website":78,"owner_url":79,"languages":80,"stars":93,"forks":94,"last_commit_at":95,"license":96,"difficulty_score":54,"env_os":77,"env_gpu":97,"env_ram":97,"env_deps":98,"category_tags":101,"github_topics":102,"view_count":10,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":106,"updated_at":107,"faqs":108,"releases":139},6133,"pysentimiento\u002Fpysentimiento","pysentimiento","A Python multilingual toolkit for Sentiment Analysis and Social NLP tasks","pysentimiento 是一个基于 Transformer 架构的 Python 开源工具包，专为情感分析和社会化自然语言处理（Social NLP）任务设计。它主要解决了在社交媒体语境下，对多语言文本进行深度语义理解的难题，能够精准识别文本中的情感倾向、仇恨言论、反讽语气以及具体情绪类别。\n\n该工具特别适合开发者、数据科学家及 NLP 研究人员使用，尤其是那些需要处理西班牙语、英语、意大利语和葡萄牙语社交数据的团队。与普通通用模型不同，pysentimiento 的独特亮点在于其“社会化”专长：它不仅支持常规的情感分类，还内置了针对推特等社交平台优化的预处理器，能有效处理网络俚语、表情符号和非规范语法。此外，它提供了细粒度的分析能力，如区分仇恨言论的攻击性与针对性，甚至能识别特定目标的情感指向。用户只需几行代码即可调用预训练模型，快速构建从基础情绪监测到复杂仇恨内容过滤的各类应用，极大地降低了社会计算领域的技术门槛。","# pysentimiento: A Python toolkit for Sentiment Analysis and Social NLP tasks\n\n![Tests](https:\u002F\u002Fgithub.com\u002Ffiniteautomata\u002Fpysentimiento\u002Fworkflows\u002Frun_tests\u002Fbadge.svg) [![Test it in Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fpysentimiento\u002Fpysentimiento\u002Fblob\u002Fmaster\u002Fnotebooks\u002Fexamples\u002Fpysentimiento_sentiment_analysis_in_spanish.ipynb)\n\n\n\n\n\nA Transformer-based library for SocialNLP tasks.\n\nCurrently supports:\n\n\n| Task                                 | Languages                             |\n|:---------------------                |:---------------------------------------|\n| Sentiment Analysis                   | es, en, it, pt                        |\n| Hate Speech Detection                | es, en, it, pt                        |\n| Irony Detection                      | es, en, it, pt                        |\n| Emotion Analysis                     | es, en, it, pt                        |\n| NER & POS tagging                    | es, en                                |\n| Contextualized Hate Speech Detection | es                                    |\n| Targeted Sentiment Analysis          | es                                    |\n\n\nJust do `pip install pysentimiento` and start using it:\n\n## Getting Started\n\n```python\nfrom pysentimiento import create_analyzer\nanalyzer = create_analyzer(task=\"sentiment\", lang=\"es\")\n\nanalyzer.predict(\"Qué gran jugador es Messi\")\n# returns AnalyzerOutput(output=POS, probas={POS: 0.998, NEG: 0.002, NEU: 0.000})\nanalyzer.predict(\"Esto es pésimo\")\n# returns AnalyzerOutput(output=NEG, probas={NEG: 0.999, POS: 0.001, NEU: 0.000})\nanalyzer.predict(\"Qué es esto?\")\n# returns AnalyzerOutput(output=NEU, probas={NEU: 0.993, NEG: 0.005, POS: 0.002})\n\nanalyzer.predict(\"jejeje no te creo mucho\")\n# AnalyzerOutput(output=NEG, probas={NEG: 0.587, NEU: 0.408, POS: 0.005})\n\"\"\"\nEmotion Analysis in English\n\"\"\"\n\nemotion_analyzer = create_analyzer(task=\"emotion\", lang=\"en\")\n\nemotion_analyzer.predict(\"yayyy\")\n# returns AnalyzerOutput(output=joy, probas={joy: 0.723, others: 0.198, surprise: 0.038, disgust: 0.011, sadness: 0.011, fear: 0.010, anger: 0.009})\nemotion_analyzer.predict(\"fuck off\")\n# returns AnalyzerOutput(output=anger, probas={anger: 0.798, surprise: 0.055, fear: 0.040, disgust: 0.036, joy: 0.028, others: 0.023, sadness: 0.019})\n\n\"\"\"\nHate Speech (misogyny & racism)\n\"\"\"\nhate_speech_analyzer = create_analyzer(task=\"hate_speech\", lang=\"es\")\n\nhate_speech_analyzer.predict(\"Esto es una mierda pero no es odio\")\n# returns AnalyzerOutput(output=[], probas={hateful: 0.022, targeted: 0.009, aggressive: 0.018})\nhate_speech_analyzer.predict(\"Esto es odio porque los inmigrantes deben ser aniquilados\")\n# returns AnalyzerOutput(output=['hateful'], probas={hateful: 0.835, targeted: 0.008, aggressive: 0.476})\n\nhate_speech_analyzer.predict(\"Vaya guarra barata y de poca monta es XXXX!\")\n# returns AnalyzerOutput(output=['hateful', 'targeted', 'aggressive'], probas={hateful: 0.987, targeted: 0.978, aggressive: 0.969})\n```\n\nSee [TASKS](docs\u002FTASKS.md) for more details on the supported tasks and languages, and also for reported performance for each benchmarked model.\n\nAlso, check these notebooks with examples of how to use `pysentimiento` for each language:\n\n- [Spanish + English](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fpysentimiento\u002Fpysentimiento\u002Fblob\u002Fmaster\u002Fnotebooks\u002Fexamples\u002Fpysentimiento_sentiment_analysis_in_spanish.ipynb)\n- [Italian](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fpysentimiento\u002Fpysentimiento\u002Fblob\u002Fmaster\u002Fnotebooks\u002Fexamples\u002Fsentiment_analysis_in_italian.ipynb)\n- [Portuguese](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fpysentimiento\u002Fpysentimiento\u002Fblob\u002Fmaster\u002Fnotebooks\u002Fexamples\u002Fsentiment_analysis_in_portuguese.ipynb)\n- [Contextualized Hate Speech - Spanish](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1nktGLswbVeEas2_xCU0S_BhmH8tPBJ02#scrollTo=Z5DeW-UrcI_E)\n\n## Preprocessing\n\n`pysentimiento` features a tweet preprocessor specially suited for tweet classification with transformer-based models.\n\n```python\nfrom pysentimiento.preprocessing import preprocess_tweet\n\n# Replaces user handles and URLs by special tokens\npreprocess_tweet(\"@perezjotaeme debería cambiar esto http:\u002F\u002Fbit.ly\u002Fsarasa\") # \"@usuario debería cambiar esto url\"\n\n# Shortens repeated characters\npreprocess_tweet(\"no entiendo naaaaaaaadaaaaaaaa\", shorten=2) # \"no entiendo naadaa\"\n\n# Normalizes laughters\npreprocess_tweet(\"jajajajaajjajaajajaja no lo puedo creer ajajaj\") # \"jaja no lo puedo creer jaja\"\n\n# Handles hashtags\npreprocess_tweet(\"esto es #UnaGenialidad\")\n# \"esto es una genialidad\"\n\n# Handles emojis\npreprocess_tweet(\"🎉🎉\", lang=\"en\")\n# 'emoji party popper emoji emoji party popper emoji'\n```\n\n\n## Instructions for developers\n\n0. Clone and install\n\n```\ngit clone https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\npip install poetry\npoetry shell\npoetry install\n```\n\n1. Run script to train models\n\nCheck [TRAIN.md](docs\u002FTRAIN.md) for further information on how to train your models\n\nNote: you need access to the datasets, which are not public for the time being. Send us an email to get access to them.\n\n2. Upload models to Huggingface's Model Hub\n\nCheck [\"Model sharing and upload\"](https:\u002F\u002Fhuggingface.co\u002Ftransformers\u002Fmodel_sharing.html) instructions in `huggingface` docs.\n\n## License\n\n`pysentimiento` is an open-source library. However, please be aware that models are trained with third-party datasets and are subject to their respective licenses, many of which are for non-commercial use\n\n1. [TASS Dataset license](http:\u002F\u002Ftass.sepln.org\u002Ftass_data\u002Fdownload.php) (License for Sentiment Analysis in Spanish, Emotion Analysis in Spanish & English)\n2. [SEMEval 2017 Dataset license](https:\u002F\u002Fwww.dropbox.com\u002Fs\u002Fbyzr8yoda6bua1b\u002F2017_English_final.zip?file_subpath=%2F2017_English_final%2FDOWNLOAD%2FREADME.txt) (Sentiment Analysis in English)\n\n3. [LinCE Datasets](https:\u002F\u002Fritual.uh.edu\u002Flince\u002Fdatasets) (License for NER & POS tagging)\n\n## Suggestions and bugfixes\n\nPlease use the repository [issue tracker](https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\u002Fissues) to point out bugs and make suggestions (new models, use another datasets, some other languages, etc)\n\n\n## Citation\n\nIf you use `pysentimiento` in your work, please cite [this paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2106.09462)\n\n```bibtex\n@misc{perez2021pysentimiento,\n      title={pysentimiento: A Python Toolkit for Opinion Mining and Social NLP tasks}, \n      author={Juan Manuel Pérez and Mariela Rajngewerc and Juan Carlos Giudici and Damián A. Furman and Franco Luque and Laura Alonso Alemany and María Vanina Martínez},\n      year={2023},\n      eprint={2106.09462},a\n      archivePrefix={arXiv},\n      primaryClass={cs.CL}\n}\n```\n\nAlso, pleace cite related pre-trained models and datasets for the specific models you use. Check [REFERENCES](docs\u002FREFERENCES.md) for details.\n","# pysentimiento：用于情感分析和社会NLP任务的Python工具包\n\n![Tests](https:\u002F\u002Fgithub.com\u002Ffiniteautomata\u002Fpysentimiento\u002Fworkflows\u002Frun_tests\u002Fbadge.svg) [![在Colab中试用](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fpysentimiento\u002Fpysentimiento\u002Fblob\u002Fmaster\u002Fnotebooks\u002Fexamples\u002Fpysentimiento_sentiment_analysis_in_spanish.ipynb)\n\n\n\n\n\n一个基于Transformer的SocialNLP任务库。\n\n目前支持以下功能：\n\n\n| 任务                                 | 语言                             |\n|:---------------------                |:---------------------------------------|\n| 情感分析                   | 西班牙语、英语、意大利语、葡萄牙语                        |\n| 仇恨言论检测                | 西班牙语、英语、意大利语、葡萄牙语                        |\n| 反讽检测                      | 西班牙语、英语、意大利语、葡萄牙语                        |\n| 情感分析                     | 西班牙语、英语、意大利语、葡萄牙语                        |\n| 命名实体识别与词性标注                    | 西班牙语、英语                                |\n| 上下文感知的仇恨言论检测 | 西班牙语                                    |\n| 针对性情感分析          | 西班牙语                                    |\n\n\n只需运行 `pip install pysentimiento` 即可开始使用：\n\n## 快速入门\n\n```python\nfrom pysentimiento import create_analyzer\nanalyzer = create_analyzer(task=\"sentiment\", lang=\"es\")\n\nanalyzer.predict(\"Qué gran jugador es Messi\")\n# 返回 AnalyzerOutput(output=POS, probas={POS: 0.998, NEG: 0.002, NEU: 0.000})\nanalyzer.predict(\"Esto es pésimo\")\n# 返回 AnalyzerOutput(output=NEG, probas={NEG: 0.999, POS: 0.001, NEU: 0.000})\nanalyzer.predict(\"Qué es esto?\")\n# 返回 AnalyzerOutput(output=NEU, probas={NEU: 0.993, NEG: 0.005, POS: 0.002})\n\nanalyzer.predict(\"jejeje no te creo mucho\")\n# AnalyzerOutput(output=NEG, probas={NEG: 0.587, NEU: 0.408, POS: 0.005})\n\"\"\"\n英语中的情感分析\n\"\"\"\n\nemotion_analyzer = create_analyzer(task=\"emotion\", lang=\"en\")\n\nemotion_analyzer.predict(\"yayyy\")\n# 返回 AnalyzerOutput(output=joy, probas={joy: 0.723, others: 0.198, surprise: 0.038, disgust: 0.011, sadness: 0.011, fear: 0.010, anger: 0.009})\nemotion_analyzer.predict(\"fuck off\")\n# 返回 AnalyzerOutput(output=anger, probas={anger: 0.798, surprise: 0.055, fear: 0.040, disgust: 0.036, joy: 0.028, others: 0.023, sadness: 0.019})\n\n\"\"\"\n仇恨言论（厌女症与种族主义）\n\"\"\"\nhate_speech_analyzer = create_analyzer(task=\"hate_speech\", lang=\"es\")\n\nhate_speech_analyzer.predict(\"Esto es una mierda pero no es odio\")\n# 返回 AnalyzerOutput(output=[], probas={hateful: 0.022, targeted: 0.009, aggressive: 0.018})\nhate_speech_analyzer.predict(\"Esto es odio porque los inmigrantes deben ser aniquilados\")\n# 返回 AnalyzerOutput(output=['hateful'], probas={hateful: 0.835, targeted: 0.008, aggressive: 0.476})\n\nhate_speech_analyzer.predict(\"Vaya guarra barata y de poca monta es XXXX!\")\n# 返回 AnalyzerOutput(output=['hateful', 'targeted', 'aggressive'], probas={hateful: 0.987, targeted: 0.978, aggressive: 0.969})\n```\n\n更多关于支持的任务和语言的详细信息，以及每个经过基准测试的模型的性能报告，请参阅 [TASKS](docs\u002FTASKS.md)。\n\n此外，还可以查看这些包含如何使用 `pysentimiento` 的示例笔记本：\n\n- [西班牙语 + 英语](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fpysentimiento\u002Fpysentimiento\u002Fblob\u002Fmaster\u002Fnotebooks\u002Fexamples\u002Fpysentimiento_sentiment_analysis_in_spanish.ipynb)\n- [意大利语](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fpysentimiento\u002Fpysentimiento\u002Fblob\u002Fmaster\u002Fnotebooks\u002Fexamples\u002Fsentiment_analysis_in_italian.ipynb)\n- [葡萄牙语](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fpysentimiento\u002Fpysentimiento\u002Fblob\u002Fmaster\u002Fnotebooks\u002Fexamples\u002Fsentiment_analysis_in_portuguese.ipynb)\n- [上下文感知的仇恨言论——西班牙语](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1nktGLswbVeEas2_xCU0S_BhmH8tPBJ02#scrollTo=Z5DeW-UrcI_E)\n\n## 预处理\n\n`pysentimiento` 提供了一个专为基于Transformer的模型进行推文分类而设计的推文预处理器。\n\n```python\nfrom pysentimiento.preprocessing import preprocess_tweet\n\n# 将用户句柄和URL替换为特殊标记\npreprocess_tweet(\"@perezjotaeme debería cambiar esto http:\u002F\u002Fbit.ly\u002Fsarasa\") # \"@usuario debería cambiar esto url\"\n\n# 缩短重复字符\npreprocess_tweet(\"no entiendo naaaaaaaadaaaaaaaa\", shorten=2) # \"no entiendo naadaa\"\n\n# 规范化笑声表达\npreprocess_tweet(\"jajajajaajjajaajajaja no lo puedo creer ajajaj\") # \"jaja no lo puedo creer jaja\"\n\n# 处理标签\npreprocess_tweet(\"esto es #UnaGenialidad\")\n# \"esto es una genialidad\"\n\n# 处理表情符号\npreprocess_tweet(\"🎉🎉\", lang=\"en\")\n# 'emoji party popper emoji emoji party popper emoji'\n```\n\n\n## 开发者指南\n\n0. 克隆并安装\n\n```\ngit clone https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\npip install poetry\npoetry shell\npoetry install\n```\n\n1. 运行脚本训练模型\n\n有关如何训练您自己的模型的更多信息，请参阅 [TRAIN.md](docs\u002FTRAIN.md)。\n\n注意：您需要访问数据集，而这些数据集目前尚未公开。请发送电子邮件给我们以获取访问权限。\n\n2. 将模型上传到Hugging Face Model Hub\n\n请参阅 `huggingface` 文档中的“模型共享与上传”说明。\n\n## 许可证\n\n`pysentimiento` 是一个开源库。但是，请注意，模型是使用第三方数据集训练的，并受其各自许可证的约束，其中许多仅限于非商业用途。\n\n1. [TASS数据集许可证](http:\u002F\u002Ftass.sepln.org\u002Ftass_data\u002Fdownload.php)（西班牙语情感分析、西班牙语和英语情感分析的许可证）\n2. [SEMEval 2017数据集许可证](https:\u002F\u002Fwww.dropbox.com\u002Fs\u002Fbyzr8yoda6bua1b\u002F2017_English_final.zip?file_subpath=%2F2017_English_final%2FDOWNLOAD%2FREADME.txt)（英语情感分析）\n\n3. [LinCE数据集](https:\u002F\u002Fritual.uh.edu\u002Flince\u002Fdatasets)（命名实体识别与词性标注的许可证）\n\n## 建议与错误修复\n\n请使用仓库的[问题跟踪器](https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\u002Fissues)来指出错误并提出建议（新模型、使用其他数据集、支持其他语言等）。\n\n\n## 引用\n\n如果您在工作中使用了 `pysentimiento`，请引用[这篇论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2106.09462)。\n\n```bibtex\n@misc{perez2021pysentimiento,\n      title={pysentimiento: A Python Toolkit for Opinion Mining and Social NLP tasks}, \n      author={Juan Manuel Pérez and Mariela Rajngewerc and Juan Carlos Giudici and Damián A. Furman and Franco Luque and Laura Alonso Alemany and María Vanina Martínez},\n      year={2023},\n      eprint={2106.09462},a\n      archivePrefix={arXiv},\n      primaryClass={cs.CL}\n}\n```\n\n此外，请同时引用您所使用的特定模型的相关预训练模型和数据集。详细信息请参阅 [REFERENCES](docs\u002FREFERENCES.md)。","# pysentimiento 快速上手指南\n\n`pysentimiento` 是一个基于 Transformer 的 Python 工具包，专为社交网络自然语言处理（SocialNLP）任务设计。它支持情感分析、仇恨言论检测、反讽识别、情绪分析及命名实体识别等任务，覆盖西班牙语、英语、意大利语和葡萄牙语。\n\n## 环境准备\n\n- **操作系统**：Linux, macOS, Windows\n- **Python 版本**：建议 Python 3.7 及以上\n- **前置依赖**：无需额外安装深度学习框架，`pysentimiento` 会自动处理相关依赖（如 `transformers`, `torch` 等）。\n\n## 安装步骤\n\n使用 pip 直接安装：\n\n```bash\npip install pysentimiento\n```\n\n> **提示**：国内开发者若遇到下载速度慢的问题，可使用清华或阿里镜像源加速安装：\n> ```bash\n> pip install pysentimiento -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n## 基本使用\n\n### 1. 情感分析 (Sentiment Analysis)\n\n以下示例演示如何对西班牙语文本进行情感分析（支持正向 POS、负向 NEG、中性 NEU）：\n\n```python\nfrom pysentimiento import create_analyzer\n\n# 创建西班牙语情感分析器\nanalyzer = create_analyzer(task=\"sentiment\", lang=\"es\")\n\n# 预测示例\nresult = analyzer.predict(\"Qué gran jugador es Messi\")\nprint(result.output) \n# 输出: POS\n\nresult = analyzer.predict(\"Esto es pésimo\")\nprint(result.output) \n# 输出: NEG\n\n# 查看具体概率分布\nprint(result.probas)\n# 输出: {'NEG': 0.999, 'POS': 0.001, 'NEU': 0.000}\n```\n\n### 2. 情绪分析 (Emotion Analysis)\n\n支持英语等多语言的情绪分类（如 joy, anger, sadness 等）：\n\n```python\n# 创建英语情绪分析器\nemotion_analyzer = create_analyzer(task=\"emotion\", lang=\"en\")\n\nresult = emotion_analyzer.predict(\"yayyy\")\nprint(result.output) \n# 输出: joy\n\nresult = emotion_analyzer.predict(\"fuck off\")\nprint(result.output) \n# 输出: anger\n```\n\n### 3. 仇恨言论检测 (Hate Speech Detection)\n\n检测文本是否包含仇恨、针对性攻击或侵略性内容：\n\n```python\n# 创建西班牙语仇恨言论检测器\nhate_speech_analyzer = create_analyzer(task=\"hate_speech\", lang=\"es\")\n\nresult = hate_speech_analyzer.predict(\"Esto es odio porque los inmigrantes deben ser aniquilados\")\nprint(result.output) \n# 输出: ['hateful']\n\nprint(result.probas)\n# 输出: {'hateful': 0.835, 'targeted': 0.008, 'aggressive': 0.476}\n```\n\n### 4. 推文预处理 (可选)\n\n针对社交媒体文本（如 Twitter），提供了专门的预处理函数，可处理用户提及、URL、重复字符、表情符号等：\n\n```python\nfrom pysentimiento.preprocessing import preprocess_tweet\n\n# 替换用户提及和 URL\ntext = preprocess_tweet(\"@perezjotaeme debería cambiar esto http:\u002F\u002Fbit.ly\u002Fsarasa\")\n# 结果: \"@usuario debería cambiar esto url\"\n\n# 缩短重复字符\ntext = preprocess_tweet(\"no entiendo naaaaaaaadaaaaaaaa\", shorten=2)\n# 结果: \"no entiendo naadaa\"\n\n# 规范化笑声\ntext = preprocess_tweet(\"jajajajaajjajaajajaja no lo puedo creer\")\n# 结果: \"jaja no lo puedo creer jaja\"\n\n# 处理标签和表情\ntext = preprocess_tweet(\"esto es #UnaGenialidad\")\n# 结果: \"esto es una genialidad\"\n```\n\n更多支持的任务（如反讽检测、NER、POS  tagging）及语言组合，请参考官方文档或直接在 `create_analyzer` 中更改 `task` 和 `lang` 参数尝试。","一家跨境电商公司的运营团队需要实时监控西班牙语和意大利语社交媒体上对新产品的用户反馈，以便快速识别潜在的品牌危机。\n\n### 没有 pysentimiento 时\n- **多语言支持困难**：团队需为西班牙语、意大利语和葡萄牙语分别寻找不同的分析模型，集成过程繁琐且接口不统一。\n- **社交语境误判**：通用 NLP 模型无法理解推文中的讽刺（如\"jejeje no te creo mucho\"）或网络俚语，导致将负面嘲讽误判为中性甚至正面。\n- **仇恨言论漏检**：缺乏针对特定文化背景的仇恨言论检测能力，难以区分激烈的批评与真正的种族歧视或人身攻击。\n- **开发效率低下**：数据科学家需花费大量时间预处理推文数据（如处理表情符号、缩写），而非专注于业务逻辑。\n\n### 使用 pysentimiento 后\n- **统一多语言接口**：通过 `create_analyzer` 即可一键切换西班牙语、英语、意大利语等模型，用同一套代码逻辑处理全球市场数据。\n- **精准捕捉社交情绪**：内置的社交 NLP 模型能准确识别讽刺语气和复杂情感，将“看似夸奖实则嘲讽”的内容正确归类为负面。\n- **细粒度风险预警**：不仅能标记仇恨言论，还能进一步区分其是否具有针对性（targeted）或攻击性（aggressive），帮助公关团队分级响应。\n- **开箱即用的预处理**：工具自带专为推文优化的预处理器，自动清洗噪声数据，让团队能直接获得高质量的分析结果。\n\npysentimiento 让跨语言社交舆情监控从“高成本定制开发”变成了“几行代码即可落地”的标准流程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpysentimiento_pysentimiento_2d494eff.png","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fpysentimiento_43668dcb.jpg","",null,"https:\u002F\u002Fgithub.com\u002Fpysentimiento",[81,85,89],{"name":82,"color":83,"percentage":84},"Jupyter Notebook","#DA5B0B",97.6,{"name":86,"color":87,"percentage":88},"Python","#3572A5",2.2,{"name":90,"color":91,"percentage":92},"Shell","#89e051",0.2,651,72,"2026-04-08T11:20:46","NOASSERTION","未说明",{"notes":99,"python":97,"dependencies":100},"README 中未明确列出具体的操作系统、GPU、内存或 Python 版本要求。安装方式为 'pip install pysentimiento' 或使用 Poetry 进行开发环境搭建。该工具基于 Transformer 模型，实际运行时通常依赖 PyTorch 和 Hugging Face Transformers 库。部分训练数据集非公开，需联系作者获取。模型许可证可能限制商业用途。",[],[15],[103,104,105],"sentiment-analysis","nlp","transformers","2026-03-27T02:49:30.150509","2026-04-10T16:00:06.741758",[109,114,119,124,129,134],{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},27759,"为什么导入 'SentimentAnalyzer' 时出现 ImportError？","这是因为您正在使用旧的 API。请改用新的 `create_analyzer` 函数。示例代码如下：\n```python\nfrom pysentimiento import create_analyzer\nanalyzer = create_analyzer(task=\"sentiment\", lang=\"es\")\n```\n您可以参考 README 中的 Notebook 示例获取更多用法。","https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\u002Fissues\u002F5",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},27760,"pysentimiento 支持 Python 3.10 吗？安装时报版本不兼容错误怎么办？","早期版本不支持 Python 3.10，但这个问题已在 `pysentimiento 0.5.2` 版本中解决。请升级库到该版本或更高版本：\n```bash\npip install --upgrade pysentimiento\n```\n或者指定版本安装：`pip install pysentimiento==0.5.2`。","https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\u002Fissues\u002F35",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},27761,"运行示例 Notebook 时在第二步失败，提示加速库（accelerate）相关错误，如何解决？","该问题已在库的 `0.7.3` 版本中修复。请确保您将 `pysentimiento` 升级到至少 0.7.3 版本：\n```bash\npip install --upgrade pysentimiento\n```\n注意：这里的版本号指的是 pysentimiento 库的版本，而非 accelerate 库的版本。","https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\u002Fissues\u002F62",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},27762,"使用 pip 安装 pysentimiento 时，为什么获取到的文件版本与 GitHub 仓库不一致？","这通常是因为 Python 版本限制导致 pip 自动安装了较旧的兼容版本（例如在 Python 3.10 上只能安装到 0.2.5）。请尝试升级 Python 环境或使用支持新特性的 pysentimiento 版本（如 0.5.2+），这些版本已解除对 Python 3.10 的限制。","https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\u002Fissues\u002F34",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},27763,"训练时的 epoch 数为什么设置为 5？设置更大是否会导致过拟合？","默认设置是基于特定数据集的实验结果。如果您需要更多数据或不同的训练配置，建议收集并标注自己的语料库。关于作者如何构建数据集的详细信息，可以参考该项目：https:\u002F\u002Fgithub.com\u002Ffmplaza\u002FEmoEvent-multilingual-corpus","https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\u002Fissues\u002F7",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},27764,"是否有计划集成 hashformers 来改进标签（hashtag）的分割处理？","是的，社区已提出集成 hashformers 以替代简单的正则表达式分割方案，这将显著提升对多语言标签的处理效果。维护者已确认该功能在开发路线图中，计划创建独立的 `segmenter.py` 模块，并允许 `preprocess_tweet` 函数接收分割器对象作为参数。","https:\u002F\u002Fgithub.com\u002Fpysentimiento\u002Fpysentimiento\u002Fissues\u002F23",[]]