情绪分析答案

【问题标题】：Sentiment analysis情绪分析
【发布时间】：2013-02-02 04:52:25
【问题描述】：

在执行情感分析时，如何让机器明白我指的是苹果（iphone），而不是苹果（水果）？

感谢您的建议！

【问题讨论】：

是的..在编码方面..我使用Python..请指教谢谢！
您可能会使用词嵌入来识别上下文。

标签： sentiment-analysis

【解决方案1】：

许多开源预训练的 NER 模型已经解决了这个问题。无论如何，您可以尝试重新训练现有的 NER 模型以对其进行微调以解决此问题。您可以找到由 Spacy NER here 完成的 NER 结果演示。

【讨论】：

【解决方案2】：

正如 Ofiris 所述，NER 只是解决问题的一种方法。我觉得用词嵌入来表示你的词更有效。这样，机器会自动识别单词的上下文。例如，“Apple”主要与“eat”一起出现，但是如果给定的输入“Apple”与“mobile”或该域中的任何其他词一起出现，机器将理解它是“iPhone apple”而不是“apple fruit” ”。有 2 种流行的方法来生成词嵌入，例如 word2vec 和 fasttext。 Gensim 为 word2vec 和 fasttext 提供了更可靠的实现。

https://radimrehurek.com/gensim/models/word2vec.html https://radimrehurek.com/gensim/models/fasttext.html

【讨论】：

【解决方案3】：

如果存在日期、知名品牌、vip 或历史人物，您可以使用 NER（命名实体识别）算法；在这种情况下，正如 Ofiris 所建议的那样，Stanford CoreNLP 提供了一个很好的命名实体识别器。

要对多义词（即具有多个意义的词，例如“好”）进行更一般的消歧，您可以使用结合词义消歧 (WSD) 算法的词性标注器。后者的示例可以在HERE 找到，但我不知道有任何可免费下载的库用于此目的。

【讨论】：

【解决方案4】：

嗯，有几种方法，

我会从检查大写字母开始，通常，当提到一个名字时，第一个字母是大写的。

在做情感分析之前，我会使用一些词性和命名实体识别来标记相关的词。

Stanford CoreNLP 是一个很好的文本分析项目，它会教你的基本概念。

CoreNLP 示例：

您可以看到标签如何帮助您。

然后查看more info

【讨论】：

非常感谢您的指导，Ofiris。我会研究它。非常感谢！ :)
是的，我读过 abt nltk.. 被认为是最好的？我明白了.. 好吧，我正在对产品品牌进行 Twitter 情绪分析。在python中被认为是新的。并且在编程方面没有那么强。感谢您的指导。有效的方法是在命名实体识别中执行 POS 标记以过滤不相关的推文，然后使用朴素贝叶斯分类器进行分类？发现很多文章用不同的方法做这件事，但我有点困惑..
Top NLTK questions，希望能帮助您了解基本方法。