【发布时间】：2015-01-13 02:37:04
【问题描述】：
寻找有关决定推文（实际上是一个字符串）是否传达危险情绪的 API、方法、研究等。
例如：
危险：“街对面的房子着火了！！
不危险：“这个女孩着火了！喜欢这首歌”
【问题讨论】：
标签： machine-learning nlp sentiment-analysis
【发布时间】：2015-01-13 02:37:04
【问题描述】：
关于检测危险的特定问题的研究很少，但是有一些研究论文描述了检测自然灾害的方法。您的示例让人想起其中之一的标题：Finding Fires with Twitter。您可能会发现另一项有用的研究是Emergency Situation Awareness: Twitter Case Studies。
然而，一般来说，解决此类问题的最佳方法是通过监督分类，这与情感分析的方式非常相似（或者更确切地说，因为现在有更复杂的机器学习范例，如 Deep Learning 正在应用）完成。
本质是将文档（在您的情况下为推文）标记为“危险”和“非危险”。这个标签是由人类专家完成的。理想情况下，他们应该精通语言和领域。因此，使用知道 Twitter 口语的以英语为母语的人将是完成这项任务的完美注释者。
一旦标记了足够数量的文档，基线（即基本方法）通常通过创建 n-gram 词向量作为特征向量并运行 SVM 来实现。如果您不了解机器学习的详细信息，请在执行此操作之前阅读它们。
【讨论】：
-
花了几个小时下载推文并手动对其进行分类......现在我正在使用朴素贝叶斯分类器，它似乎工作得很好！