如何获取给定数据集中单词的情绪分数

Question

我有一个情感分析数据集，分为三类：正面、负面和中性。我还有一个单词列表（主要是名词），我想为其计算情绪值，以了解这些实体在数据集中“如何”（积极或消极地）被谈论。我阅读了一些在线资源，例如博客，并考虑了几种计算特定单词 X 的情绪分数的方法。

1. 计算有多少数据实例（句子）中包含单词 X、“正面”标签、“负面”标签和“中性”标签。然后，计算该词的加权平均情绪。

2. 采用未经训练的通用 BERT 架构，然后使用数据集对其进行训练。然后，将列表中的每个单词传递给经过训练的模型，以获得该单词的情感分数。

这些方法是否有意义？如果是这样，你能推荐一些我可以看的相关作品吗？ 如果这些方法没有意义，您能否告诉我如何计算给定数据集中某个单词的情绪得分？

Answer 1

第一种方法会遇到与其他词袋模型相同的缺点。假设您有一个带有情绪分数的电影评论数据集，并且您想要找到名为 X 的特定演员的情绪。像“X 的表演是一部糟糕电影中唯一的好东西”这样的样本标签将是负面的，但对 X 的情绪是正面的。像第一个这样的简单方法无法处理这种情况。

第二种方法也没有多大意义，因为 BERT 模型在没有上下文的情况下可能表现不佳。您可以尝试使用弱监督学习，这有助于创建标记级标签。阅读第 3.3 节以了解 this paper 以了解这一点。免责声明：我是本文的作者之一。