句子级到文档级的情感分析。分析新闻

Question

我需要使用斯坦福 NLP 工具对有关特定主题的新闻文章进行情感分析。

此类工具仅允许基于句子的情感分析，而我想提取关于我的主题的整篇文章的情感评估。

例如，如果我的主题是 Apple，我想知道一篇关于 Apple 的新闻文章的情绪。

仅计算我文章中句子的平均值是行不通的。例如，我可能有一篇文章说“Apple 在这个、这个和那个方面非常擅长。而由于这些原因，谷歌的产品非常糟糕”。这样的文章会使用句子的平均分数得出中性分类，而实际上它是一篇关于苹果的非常正面的文章。

另一方面，过滤我的句子以仅包含包含 Apple 一词的句子会错过类似“Apple 的产品 A 非常好。但是，它缺少以下关键功能：...”的文章。在这种情况下，如果我只使用包含 Apple 一词的句子，第二句的效果就会丢失。

是否有解决此类问题的标准方法？斯坦福 NLP 是否是实现我目标的错误工具？

Answer 1

更新：您可能想查看 http://blog.getprismatic.com/deeper-content-analysis-with-aspects/

这是一个非常活跃的研究领域，因此很难找到现成的工具来执行此操作（至少斯坦福 CoreNLP 中没有构建任何东西）。一些建议：研究基于方面的情绪分析。在这种情况下，Apple 将是一个“方面”（不是真的，但可以这样建模）。 UMass 的 Andrew McCallum 小组、UIC 的 Bing Liu 小组、康奈尔大学的 NLP 小组等都在研究这个问题。

如果您想快速解决问题，我建议从提及 Apple 及其产品的句子中提取情感；使用 coref（查看 Stanford CoreNLP 中的 dcoref annotator），会增加句子的召回率，解决像“However, it lacks..”这样的句子问题。