corpus(文件太大无法上传)：

• 中文自然标注微博预料
• 英文自然标注微博语料

data：

• 中英文多个标准数据集（带标签）

ML-TOOLS：

• 机器学习工具包

该份代码可以：

• 可以用于构建情感词典
• 完成一般的情感分类问题，包含了预处理、模型构建、特征工程、交叉验证、性能分析等多个模块
• 可以进行bagging集成学习

分别根据MI、IG、WLLR、CHI四种方式构建情感词典，具体参见代码主函数部分

• gen_universal_lexicon_mi.py
• gen_universal_lexicon_ig.py
• gen_universal_lexicon_wllr.py
• gen_universal_lexicon_chi.py

情感分析主类: Mbsa_new.py:具体使用方式参见代码主函数

• 可以设置基础特征：词、词性的n-gram (n=1,2,3...)
• 进行N折交叉验证：参考cv_main.py

基于词典的规则情感分析主类：Lbsa.py

性能评估类：performance.py

包含多种评估标准计算函数

文本处理工具：pytc.py

其中的build_samps() 函数可以用来自定义添加额外的多种特征

Bagging集成学习：random_main.py

投票、概率平均

随机选择样本： pick_samps.py