【发布时间】：2015-07-23 04:54:53
【问题描述】：
我正在构建一个应用程序，用于分析不同领域（例如体育、灾难和技术）中与新闻相关的推文的情绪，我正在使用默认模式 (PatternAnalyzer) 的 Textblob。即使域不同，这是否提供了良好的情绪？我如何评估它的性能？还是为每个域提供我自己的训练数据并训练分类器更好？
【问题讨论】：
【发布时间】：2015-07-23 04:54:53
【问题描述】：
Textblob 是一个基本的情绪预测器，它不会是准确的。它的基本训练模型是在电影评论数据集上训练的，这对你来说不会有效。如果可能，我建议您为每个创建不同的数据集。
【讨论】：
-
感谢您的回复，但网站 (textblob) 提到他们使用两种方法，一种是 PatternAnalyzer，另一种是在电影评论数据集上训练的方法，那么我该如何评估 PatternAnalyzer方法？ textblob.readthedocs.org/en/latest/advanced_usage.html
-
PatternAnalyzer 不会有任何好处。它只使用字重机制。 textminingonline.com/getting-started-with-pattern。为了进一步证明我的观点-textanalysisonline.com/pattern-sentiment-analysis 如果您尝试使用“看起来不错”和“不错”之类的句子，则输出将是极性（0.7），这是赋予“好”一词的权重。根据我的理解，它的算法还使用了一个非常基本的否定检测机制（找不到任何书面说明）。如果一个极性词有一个否定词（不是，否），它将为其添加相反的权重。