我正在进行情绪分析，我正在使用此链接中给出的数据集：http://www.cs.jhu.edu/~mdredze/datasets/sentiment/index2.html，并且我已将我的数据集划分为 50:50 的比例。 50%作为测试样本，50%作为训练样本，从训练样本中提取特征并使用Weka分类器进行分类，但我的预测准确率在70-75%左右。
任何人都可以建议一些其他可以帮助我提高结果的数据集 - 我使用 unigram、bigram 和 POSTtags 作为我的特征。
【问题讨论】：
标签： dataset sentiment-analysis web-mining
获取情感分析数据集的来源有很多：
无论如何，这并不意味着它会帮助您为当前数据集获得更好的准确性，因为语料库可能与您的数据集有很大不同。除了降低与训练相比的测试百分比之外，您还可以：测试其他分类器或使用 CVParameterSelection 或 GridSearch 等半自动包装器微调所有超参数，如果合适的话，甚至可以使用 auto-weka。
很少使用 50/50，80/20 是相当普遍的比率。更好的做法是使用：60% 用于训练，20% 用于交叉验证，20% 用于测试。
【讨论】：
我开始在一个地方收集情绪分析工具/数据集/词典，它也可能对你有用：https://github.com/laugustyniak/awesome-sentiment-analysis
如果您想添加更多内容或只是写信给我，请启动 PR。我在亚马逊数据 [数百万条评论] 上做了很多工作。
【讨论】：
这里是给出单个单词情绪的数据集列表。 http://positivewordsresearch.com/sentiment-analysis-resources/
【讨论】：