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：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
浏览 0提问于2015-02-19得票数 1
1回答
Doc2Vec通用情感分析数据集
、、、、
我试图建立doc2vec模型，使用gensim + sklearn对短句子(如评论、推特、评论等)进行情感分析。然后将其归纳为积极、消极和中立三大类。并利用sklearn模型对我的测试数据进行了预测，从上述三组数据中分别得到了约10%的数据。
不幸的是，结果并不像我预期的那样好。大部分的教程似乎只专注于一个特定的任务，‘只分类亚马逊评论’或'twitter情绪‘，我无法找
浏览 1提问于2018-10-16得票数 0
回答已采纳
2回答
我正在尝试对一个评论数据集进行情感分析。由于我更关心在评论中识别(提取)负面情绪(现在没有标记，但我尝试手动标记数百条或使用Alchemy API)，如果评论总体上是中立的或正面的，但部分评论有负面情绪，我希望我的模型更倾向于将其视为负面评论我正在考虑将bag of words/word2vect与有
浏览 1提问于2015-12-08得票数 0
1回答
目前，我正在为一家电信公司的数据对twitter数据进行多愁善感的分析，我正在将这些数据加载到HDFS中，并使用Mahout的朴素Bayes分类器将情绪预测为积极、消极或中立。，这是我正在做的，
利用mahout库通过计算文本的tf-idf(Inverse文档频率)生成特征向量。new_m
浏览 4提问于2014-01-28得票数 3
2回答
使用mahout，我能够对数据的情感进行分类。但是我被困在了一个混乱的矩阵中。 'positive','i love my i phone'
'pos
浏览 1提问于2013-03-07得票数 6
回答已采纳
我正在探索不同类型的解析树结构。这两个广为人知的解析树结构是：( a)基于选区的解析树和( b)基于依赖的解析树结构。例如，如果我想做情感分析，并想将文本分类为正类和负面类，那么我可以从解析树结构中派生出哪些特性来完成分
浏览 0提问于2014-08-24得票数 13
我正在推特数据集(问题链接)上做情绪分析。我从tweet中提取了POS标签，并从POS标签中创建了tfidf载体，并将它们作为一个特征(准确率为65%)。但是我认为，我们可以用POS标签实现更多的目标，因为它们有助于区分一个词是如何在短语范围内使用的。我正在培训的模型是MultnomialNB()。我想要解决的问题是找出像积极、消极或中立这样的推
浏览 0提问于2020-07-23得票数 0
2回答
作为我大学项目的一部分，我正在研究/开发一个情感分析模型，在该模型中，我尝试将NLTK (SentimentIntensityAnalyzer)结果与机器学习训练的分类器结合起来，用于预测Twitter详细描述-清除数据(Niek Sand
浏览 0提问于2017-08-15得票数 7
所以我在我的项目中使用了斯坦福大学的CoreNLP。我有数据，其中包括在论坛上的产品评论。我需要能够分配一个情感价值给一个给定的审查。CoreNLP允许您预测给定句子的情感类。这个班从0-非常负到4-非常正。如何将句子的情感价值组合成一个最终的价值，给出整个评价的情感。
加权平均是正确的方法吗？指数加权平均是一种选择吗？或者还有其他方法，比如平均法，它提供了一种更全面的方法来总结预测的类列表？
浏览 0提问于2017-06-28得票数 0
我目前正在使用谷歌的BERT预培训情绪分析模型，该模型是在IMDb pos/neg审查数据集上进行培训的。我用这个模型来预测推特是正面的(看涨的)还是负面的(看跌的)。当插入我自己的测试数据时，该模型是准确的(F1评分在86%之间)，但分类本身并不准确。无疑是积极的/看涨的，而且没有被归类为积极的推特。或许这是因为投资领域的语言与电影评论不同--电影评论使用的是公认的积极
浏览 0提问于2019-06-08得票数 1
我试图对我从Twitter上收集到的大约100万条twits进行情感分析。我发现了很多与文本分类有关的字典。我发现的字典被评为-4到+4之间的单词。球迷3愤怒-2复仇-2坏-3平静2庆祝3
我想知道的是，数字是如何赋予文字的。我如何确定数字是有效的？词典是如何创建的？
浏览 0提问于2018-12-16得票数 -1
我有一个场景，我必须训练LUIS模型来理解“我感兴趣”和“我不感兴趣”之间的区别。如何在不直接提及意图中的话语的情况下实现它。
浏览 0提问于2017-04-10得票数 0
1回答
在我的数据集中，我有10万个文本文件，我正在尝试用CoreNLP来处理它们。期望的结果是100,000个完整的文本文件结果，它将每个句子归类为有积极的、消极的或中立的情绪。为了从一个文本文件中获取数据以骚扰文本文件，我使用了CoreNLP jar文件，该文件来自下面的命令行。java -cp "*" -mx5g edu.stanford.nlp.sentimen
浏览 0提问于2018-03-27得票数 1
回答已采纳
7回答
无监督情感分析
、、
我读了很多文章，解释了在情绪分析系统真正工作之前，需要一组初始的文本，这些文本要么被归类为‘正面’，要么被归类为‘负面’。我的问题是:有没有人尝试过对“积极的”形容词和“消极的”形容词进行基本的检查，考虑到任何简单的否定词，以避免将“不快乐”归类为积极的？如果是这样的话，有没有文章讨论为什么这个策略不现实呢？
浏览 0提问于2010-10-13得票数 48
回答已采纳
我删除了关于特定主题的不同博客帖子中的文本。我读到的大多数关于sentimenet分析的主题都是基于训练分类器，以确定它是否是pos/neg答案，如本所示。我的问题是，我在哪里可以找到字典的单词，以及他们的情绪。例如：Nice: Positive , bad: negative。
浏览 4提问于2014-11-22得票数 1
1回答
我正在做一个关于机器阅读理解的项目。
例如，考虑到投入：“杰克逊高地应该看到房地产的增长，而其他地区的经纪公司应该看到一个急剧下降”。给定标记：“杰克逊高地”应该返回一个表示积极情绪的分数:例如，.72给出了标记：“布鲁克林”应该返回一个得分，表示负面情绪: e.g -.72
我试着用几种不同的方法
浏览 0提问于2021-02-02得票数 0
2回答
我正在尝试对twitter数据进行情绪分析，并希望将表情符号考虑在内。假设我有一个表情符号的unicode (在本例中是U+1F600)。我想得到一些积极的，消极的或中性的极性分数。我做了一些研究，但一直未能找到一个现有的词汇，我可以使用。基本上，我想使用一个现有的词汇，如果有可用的，而不是遍历所有的表情符号手
浏览 5提问于2017-12-06得票数 2
回答已采纳
我遵循这个指南，尝试使用上面的指南中所示的MeanEmbeddingVectorizer和TfidfEmbeddingVectorizer作为输入来创建二进制分类器和多标签分类器。在完成这一步之后，我尝试将这些嵌入向量器作为输入输入到几个模型中，比如OneVsRestClassifier、RandomForestClassifier和ExtraTreesClassifier。因此，就指南中显示的内容而言，所有模型的表现都超出了我的预期。我不确定我做错了
浏览 0提问于2017-05-24得票数 1
2回答
医院候诊时间的情感分析
、、、
我一直在尝试从患者在医院的评论中推断出一个及时性分数(基于患者等待时间的分数)。可用的数据是患者的评论和他们对整体体验的评分。问题是，我没有为患者的及时性评分贴标签，而是对整个经历进行了评级。像“我已经等待了很长时间，但这段经历是值得的”这样的评论具有良好的背景和良好的评分，应该会返回一个有点糟糕的及时性分数，同样的，“等待时间很短，但这并不能证明糟糕的服务是合理的”。我清理了评论，提取了与等待时间相关的句子部分(如果存在)，并使用TextBlob<e
浏览 1提问于2019-12-05得票数 0
2回答
火花情感分析的中立性
、、、
当然，我已经构建了一个非常基本的朴素贝叶斯，它是基于并使用mllib的。但我要澄清一下中立到底意味着什么。1)在上述数据集中对数据集进行中立处理--如果
浏览 4提问于2016-12-27得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
