使用 NLTK 的基于方面的情感？答案

【问题标题】：aspect based sentiment using NLTK?使用 NLTK 的基于方面的情感？
【发布时间】：2015-02-19 02:54:53
【问题描述】：

我正在研究基于方面的情绪分析。对于每条评论，我都有一个训练集（text 和 aspectTerms）。

使用 NLTK3，我想构建一个朴素贝叶斯分类器，用于预测未见测试数据的各个方面。我将使用一个特性词性标注方面。

特征方法是什么样的？如何训练分类器？如何在看不见的数据上测试分类器？

我尝试了以下方法：

我的特征函数看起来像

def featurepos(word):
    return dict(wordpos,true)  //return part of speech tagging for a given word

并构建了一个分类器

classifier=NaiveBayesClassifier.train(train_set)
#train_set contains [(posofaspect,"aspect")]

现在我想用测试数据测试分类器。

为了检查准确性，下面的代码需要test_set

nltk.classify.util.accuracy(classifier,test_set)

test_set 是字典列表吗？如果它是一个字典，它的结构是什么？ -我糊涂了。如果有例子，那就太有帮助了！

【问题讨论】：

wordpos 是什么？一个词、它的 PoS 和“方面”之间的关系是什么？你能指出任何背景来帮助我们了解你想要做什么吗？
我找到alt.qcri.org/semeval2014/task4 来简要解释我认为这里的任务。但是，贝叶斯分类器和 PoS 标签如何融入大局并不明显。请解释您的方法。
POS 是词性标注。我想构建一个分类器来从测试集中提取方面。方面是文本中的关键字，它们很可能是名词。所以我已经有了带有方面的火车集文本。
所以你提取名词作为方面，什么是动词、形容词和副词作为情感？您如何确定一种情绪以及如何确定它描述的哪个方面？或者你只是假设一个句子，一种情绪，一个方面？
更具体地说，在您的featurepos 函数中，您有一个未绑定或全局变量wordpos。它是什么，它来自哪里？

标签： python classification nltk sentiment-analysis

【解决方案1】：

这就是准确度函数的作用，根据documentation：

def accuracy(classifier, gold):
    results = classifier.classify_many([fs for (fs,l) in gold])
    correct = [l==r for ((fs,l), r) in zip(gold, results)]
    if correct:
        return float(sum(correct))/len(correct)
    else:
        return 0

因此，测试集是元组（特征、对应标签）的列表，函数 (1) 使用经过训练的分类器来计算这些特征的输出，(2) 将分类结果与给定标签对应，以及 (3)输出命中率

【讨论】：

我不明白为什么我得到准确度=1.0！？使用后：nltk.classify.util.accuracy(classifier,test_set)
这意味着分类器得到了test_set中所有元组的正确答案。
仅使用一个功能和 NaiveBayes 是不可能发生的。！
很可能是您的测试集有问题。不过，它不会使您原始问题的答案无效。