在情感分析中，如何确定哪些词具有较高的预测能力？

在情感分析中，确定哪些词具有较高的预测能力可以通过以下几种方法：

特征选择：通过统计分析和机器学习算法，筛选出对情感分析具有较高预测能力的特征词。常用的特征选择方法包括信息增益、卡方检验、互信息等。
词频统计：统计文本中各个词的出现频率，根据频率高低判断其对情感分析的预测能力。一般来说，情感词（如积极词和消极词）的词频较高，具有较高的预测能力。
情感词典：利用情感词典，将文本中的词与情感词进行匹配，根据匹配结果判断词的预测能力。情感词典是一种包含情感极性（如积极、消极、中性）的词汇表，可以根据词的情感极性来评估其预测能力。
机器学习方法：利用机器学习算法，通过训练模型来确定具有较高预测能力的词。常用的机器学习算法包括朴素贝叶斯、支持向量机、随机森林等。在训练模型时，可以将词作为特征，根据其在文本中的出现情况和情感标签进行训练。

需要注意的是，以上方法可以结合使用，以提高情感分析的准确性和效果。

腾讯云相关产品和产品介绍链接地址：

自然语言处理（NLP）：https://cloud.tencent.com/product/nlp
人工智能机器学习（AI/ML）：https://cloud.tencent.com/product/ml
数据库（TencentDB）：https://cloud.tencent.com/product/cdb
云服务器（CVM）：https://cloud.tencent.com/product/cvm
云原生应用引擎（TKE）：https://cloud.tencent.com/product/tke
云存储（COS）：https://cloud.tencent.com/product/cos
区块链（TBaaS）：https://cloud.tencent.com/product/tbaas
物联网（IoT）：https://cloud.tencent.com/product/iotexplorer
音视频处理（VOD）：https://cloud.tencent.com/product/vod
移动开发（移动推送、移动分析）：https://cloud.tencent.com/product/mps

页面内容是否对你有帮助？

有帮助

没帮助

情感分析词典

dictionary、nlp、sentiment-analysis

我想知道有没有人知道我在哪里可以找到积极和消极的词的字典。我正在研究情绪分析，这是其中至关重要的一部分。

浏览 15提问于2010-11-16得票数 52

2回答

长篇和结构化文本的情感分析

machine-learning、nlp、sentiment-analysis

我试图通过阅读在线指南和学术界的论文来了解基于机器学习技术的情感分析是如何工作的，我很难理解以下几点：为什么人们不对长而有条理的文本(比如报纸文章或演讲记录)进行情感分析--或者至少几乎从来不这么做？我注意到这是相当常见的分析评论和报纸标题，因为他们是短小的字符。所以..。我想知道是因为训练ML算法所需的计算能力和时间(考虑到神经网络)，还是因为其他原因。有人能帮我理解吗？

浏览 0提问于2020-09-28得票数 -1

回答已采纳

4回答

情绪分析-当正面和负面单词列表的长度不同时，我应该对它们进行标准化吗？

nlp、sentiment-analysis

我正在实现一个简单的情感分析算法，其中论文的作者有一个正面和负面单词的单词列表，并简单地计算每个单词在分析的文档中出现的次数，并使用以下内容对文档进行情感评分： sentiment = (#positive_matches - #negative_matches) / (document_word_count) 这是通过文档长度对情感评分进行归一化，但是负面单词的语料库比积极单词语料库(大约300个积极单词和1800个负面单词)大6倍，因此通过上面的测量，情感评分可能会有负面偏差，因为要匹配的负面单词比积极单词更多。我如何纠正正负语料库长度的不平衡？我是否应该调整情绪得分，以通过各自的语料

浏览 0提问于2015-02-19得票数 1

2回答

gensim Doc2Vec是否区分相同的句子与正负语境。？

python、nlp、gensim、doc2vec

在学习Doc2Vec库时，我被困在了下面的问题上。 Do gensim Doc2Vec区分正、否定句？例如：句子A：“我爱机器学习” 句子B：“我不喜欢机器学习” 如果我用doc2vec训练句子A和B，找出它们的向量之间的余弦相似性：模型是否能够区分句子，并给出一个非常小于1或负值的余弦相似度？或者，该模型在向量空间中表示这两个句子，并给出接近1的余弦相似度，因为除了否定词(不)外，大部分单词都是相同的。另外，如果我只对句子A进行训练，并试图推断出句子B，那么两个向量在向量空间中是否会很接近呢？我请求NLP社区和Doc2Vec专家帮助我理解这一点。提前谢谢!！

浏览 1提问于2018-04-26得票数 4

回答已采纳

5回答

电影评论情感分析的训练数据集

machine-learning、python、classification、data-mining、sentiment-analysis

我目前正在使用Python进行情感分析。根据情绪分析，我想找出一部电影的评论是正面的还是负面的。我在此链接中找到了一个培训数据集。这个数据集有评论，得分1表示评论为正，0表示电影评论为负值，但记录数量较少。我有一个测试数据集，我将预测基于训练集。我的测试数据集有复杂而冗长的单词，我的python模型有时会给出负面评论的正结果(负面评论返回的结果为1)。我正在寻找更好的数据集来训练我的模型，以便我的模型能够很好地预测。你能告诉我任何好的/大的和有效的训练数据用于这个场景吗？如果你能分享任何链接，那将是很棒的。培训数据可以格式为1的正面评论，0的负面评论，甚至极性，如pos，积极的评论，或neg

浏览 0提问于2016-04-15得票数 7

1回答

用Spacy对句子进行情感评分

python、nlp、spacy、sentiment-analysis、wordnet

我有一系列的100.000+句子，我想对它们的情绪进行排序。我对NLP世界非常陌生，但这就是我如何开始(从改编)。 import spacy from spacy.matcher import Matcher matcher = Matcher(nlp.vocab) def set_sentiment(matcher, doc, i, matches): doc.sentiment += 0.1 myemotionalwordlist = ['you','superb','great','free'] sente

浏览 5提问于2020-08-01得票数 3

回答已采纳

2回答

使用Python和TextBlob设置n元语法进行情感分析

python、sentiment-analysis、textblob

我想用Python和TextBlob库做一些句子的情感分析。我知道如何使用它，但是有什么方法可以将n-grams设置为它吗？基本上，我不想逐字分析，但我想分析2个单词，3个单词，因为短语可以承载更多的含义和情感。例如，这是我所做的(它是有效的)： from textblob import TextBlob my_string = "This product is very good, you should try it" my_string = TextBlob(my_string) sentiment = my_string.sentiment.polarity su

浏览 2提问于2019-12-01得票数 1

2回答

NLP情感分析中的TF-下手向量大小法

python、machine-learning、nlp、sentiment-analysis、tf-idf

我对NLP和情感分析还比较陌生，但我参加了机器学习课程，并且正在创建一个情感分析NLP，它将阅读一篇金融文章，并确定总体情绪是好还是坏。目前，我有一个大约2000篇文章的数据集。我知道，我需要实现TF-下手向量方法，将数据集中的所有实例都转换到相同的向量空间。另外，我知道TF-以色列国防军需要一个“词汇”，而这个“词汇”的大小是向量的长度，每个向量代表一篇文章。我的问题是，我如何确定这个词汇表？我发现的一种方法是实现预处理(消除停止词、噪音词、标点符号等)。然后在训练集的每一篇文章中使用所有的单词。在这里，您可以删除实例很少的单词(不重要的单词)和有太多实例的单词(没有区别的单词)。然而，

浏览 0提问于2018-04-17得票数 2

回答已采纳

1回答

使用斯坦福NLP库的Word云

d3.js、stanford-nlp

我想使用D3 js和Standford创建一个单词云。“云”一词将是概念中的词汇分组。如下所示：每个云都是一个“概念”，内部气泡是概念中的“子概念”。 For exampleif concept is "World Economic Issues" The Words under it would be - Oil Price, China Economy, Euro Zone Crisis, Japan debt crisis 我使用了词性标记和情感分析，但不知道如何创建一个单词云。在Standford中是否有从文本的空白中概念化单词的库？请让我知道。提前感谢

浏览 1提问于2014-12-27得票数 0

2回答

NLP情感分析-基本指南

machine-learning、nlp、sentiment-analysis、word-embedding

我正在做我在NLP领域的第一个项目，这是一个包含大约250个标记英语数据点/句子的数据集的情感分析。该数据集是对具有正面、负面或中性标签的药品的评论。我已经在监督学习中使用了3年的数字数据，但NLP对我来说是一个未知的领域。所以我想知道最好的预处理技术，以及我需要做的最适合我的问题的步骤。来自NLP专家的指南将不胜感激！

浏览 2提问于2020-03-19得票数 0

2回答

NLP，NLTK情感分析与ML方法的区别

python、machine-learning、nlp、nltk、sentiment-analysis

我最近开始使用Python学习NLP和ML。我从情感分析开始。当我做情绪分析时，我很难理解机器学习在哪里发挥作用。假设我正在使用NLTK的SentimentIntensityAnalyzer分析推特或新闻标题，我正在加载一个与案例相关的词汇，因此我得到了极性和负面性、积极性、中性分数。现在我不明白的是，在这种情况下，我应该使用本文中的代码：或者仅仅是内置的NLTK，甚至类似于谷歌的BERT？任何答案或链接到博客或教程将受到欢迎！

浏览 9提问于2020-09-25得票数 4

回答已采纳

2回答

机器学习与情感分析的关系是什么？

machine-learning、social-networking、sentiment-analysis

当考虑像Twitter和Facebook这样的社交网络时，用来预测“年龄”和“性别”的机制/技术是什么？可以通过机器学习或情感分析或两者兼而有之吗？

浏览 5提问于2017-02-23得票数 1

回答已采纳

2回答

从文本中选择哪些功能？

machine-learning、classification、neural-network、text-mining、feature-selection

你好，我是非常新的数据科学，机器学习和堆栈溢出。请原谅我搞不清楚或者问一些幼稚的问题。我的问题如下：从任何给定的文档中，我试图用神经网络根据它在读者中唤起的情感对它进行分类。但是，我在功能选择方面有困难。我正在考虑使用NLTK和RAKE来提取关键字，但我不知道如何将它们转换成特性。我应该为一个特性散列关键字吗？或者，我是否应该找到一本英文单词词典(即Wordnet)，并将词典中的每一个单词作为一个特征。

浏览 0提问于2016-05-14得票数 4

回答已采纳

1回答

波形分析ML算法

machine-learning、data-mining、tensorflow、data-cleaning、audio-recognition

我正试图从一个人的演讲中判断出他们的情绪。这立即敲响了机器学习的钟声，任何ML问题的第一步就是获取和处理数据。我的第一个问题是，我如何知道提供什么样的数据来提供机器学习算法？我会提供整个声音文件注解分数“紧急”吗？或者我会把声音文件分解成音高和周期性等等？我想我要问的是，在训练机器学习算法时，如何量化数据中某些元素/维度的重要性？我的第二个问题是，我会使用什么样的机器学习算法？虽然我对TensorFlow有一些经验，但是我对ML还比较陌生，所以即使只是一个一般性的概念也会有帮助。机器学习算法也需要适用于实时音频和返回结果在2000毫秒左右。谢谢你的帮助，请让我知道，如果我应该更新我的问题的

浏览 0提问于2018-11-30得票数 1

1回答

敏捷开发是否用于机器学习和自然语言处理？

agile、development-process、machine-learning、natural-language-processing

我开发web应用已经有一段时间了，使用敏捷开发技术和原则来实现软件是我们团队的标准实践。最近，我还参与了机器学习和自然语言处理。我听说人们主要使用Matlab来开发ML和NLP算法。敏捷开发是否有一席之地，还是这种技能是完全多余的？换句话说，当您将ML和NLP算法开发为一项工作时，您是否在过程中使用敏捷开发？

浏览 0提问于2011-12-29得票数 1

回答已采纳

2回答

网络会话文本大量收集的情感分析

python、nlp、nltk、text-mining、sentiment-analysis

标题说明了一切；我在接缝处有一个SQL数据库，里面有在线会话文本。我已经用Python完成了这个项目的大部分，所以我想使用Python的NLTK库(除非有强大的理由不这样做)。数据由Thread、用户名和Post组织。每个线程或多或少都集中在讨论我感兴趣的类别中的一个“产品”。最终，当这件事完成后，我想从每个用户那里得到他们在某个时候讨论过的任何产品的估计意见(比如/不喜欢某种交易)。所以我想知道的是： 1) 如何确定每个线程的产品是什么？我读过关于关键词提取的文章……这是正确的方法吗？ 2) 如何根据用户的帖子来确定特定用户的情绪?根据我有限的理解，我必须首先“训练”NLTK来识别特定的

浏览 4提问于2013-03-10得票数 10

回答已采纳

3回答

传统预测分析与机器学习方法

machine-learning、deep-learning、predictive-modeling、statistics

使用统计及其工具进行的传统预测分析与使用机器学习和深度学习的传统预测分析有什么区别？我们如何利用机器学习和深入学习来更好地建立预测模型？如何确定何时使用传统模型的边界，何时使用ML和DL？我们有很多有效的统计工具可用Stata，SPSS。它们更容易使用。同时，计算效率也很高。谢谢我无法找到一些令人满意和令人信服的答案与优点的谷歌。

浏览 0提问于2019-09-11得票数 2

2回答

Twitter情绪分析:尽管只接受过正面和负面的培训，但还是可以检测到中性的tweet。

machine-learning、nlp、sentiment-analysis

在机器学习方面，我是个新手。我试图通过使用python的scikit学习库分析不同的监督学习算法来获得经验。我使用160万推特的sentiment140数据集进行情感分析，使用了各种算法。我不知道这是不是一个愚蠢的问题，但我想知道，如果你只训练了两个等级(积极和消极)，是否可以分为三个类别(积极、消极和中立)。感伤140训练集总共只有160万条推文的两类(正和负)，但它们的测试集由三个类别(正、负和中性)的500个tweet组成，所以它让我思考。这有可能吗？如果是，我如何继续识别中立的推文？直观地，我可以使用在测试集中找到每个类别的每个分类推文的条件概率(使用predict_proba)，

浏览 0提问于2016-03-25得票数 8

4回答

是否可以使用word2vec模型对未标记的文本进行情感分析？

python-3.7、gensim、word2vec、sentiment-analysis

我有一些文本数据，我需要对其进行情感分类。我对这个数据没有正面或负面的标签(未加标签)。我想使用Gensim word2vec模型进行情感分类。有可能做到这一点吗？因为到目前为止我找不到任何能做到这一点的东西？每一篇博客和文章都在使用某种标记的数据集(例如imdb数据集)来训练和测试word2vec模型。没有人会更进一步地预测自己的未标记数据。有人能告诉我这种可能性(至少在理论上)吗？提前感谢！

浏览 5提问于2020-04-13得票数 5

2回答