使用python3的简单nltk情感分析代码

Question

我正在尝试对客户电子邮件进行分类。

1. 电子邮件是高兴还是悲伤（情绪分析）
2. 电子邮件是否与计费有关。

我正在使用 Python3，并且认为我必须使用 nltk 和 scikit NLTK - 将有助于理解和阅读我相信的文字 scikit - 将进行分类（快乐、悲伤和计费与否）

训练数据集 1：几个短语……从一个词到一个 5 到 6 个词的句子。 （1 表示高兴，0 表示不高兴）...下面举几个例子

• 感谢帮助..1
• 干得好..1
• 太棒了..1
• 太可怕了..0
• 令人困惑...0
• 慢点...0

训练数据集 2：一些表示计费相关问题的短语..（以下几个示例）

• 我的账单问题
• 帐单费用
• 我的账单太高了
• 付款被拒

现在从概念的角度来看，这似乎是直截了当的 我在哪里可以找到一些基本代码，这会告诉我

1. 如何使用自己的训练数据
2. 如何加载电子邮件文本作为输入并吐出快乐或悲伤的答案...以及是否计费。

Answer 1

关于您的数据集，您的方法几乎是基于词典的，因为项目包含的单词很少。

对于计费，基于词典的方法应该是一个好主意。您应该重视电子邮件的主题。

对于情绪分析，您有两种选择：

• 机器学习：在这种情况下，您应该使用更大的数据集（在我看来，每个项目都应该是一封完整的电子邮件）。您可以按照this tutorial 实现朴素贝叶斯分类器。

• 基于词典的方法： 有几种用于情感分析的词典，例如SentiWordNet（可从 nltk.download() 下载）、MPQA、SentiStrength、WordNet-Affect via WNAffect、... 预处理：标记化 (nltk.word_tokenize()) 和 POS 标记 (nltk.pos_tag(text))。您还应该考虑否定（极性转换是用否定进行管理的好方法）。

机器学习提供最佳结果，因此如果您有足够多的带注释的电子邮件，这是不错的选择。