如何使用 stanford nlp 情感库获得正面或负面的情感陈述？

Question

我正在使用斯坦福 nlp 情绪分析。我已经从一个博客中尝试过这段代码，但我无法获得诸如“正面”或“负面”之类的陈述的情绪值或一些分数。

以下是代码。

public class SemanticAnalysis {

    public static void main(String args[]) {
        sentimentAnalysis sentiments = new sentimentAnalysis();
        sentiments.findSentiment("Stanford University is located in California. " +
                "It is a great university");
    }

}


class sentimentAnalysis {
    public String findSentiment(String line) {
        Properties props = new Properties();
        props.setProperty("annotators", "tokenize, ssplit, parse, sentiment");
        StanfordCoreNLP pipeline = new StanfordCoreNLP(props);
        int mainSentiment = 0;

        if (line != null && line.length() > 0) {
            int longest = 0;
            Annotation annotation = pipeline.process(line);

            for (CoreMap sentence : annotation.get(CoreAnnotations.SentencesAnnotation.class)) {
                Tree tree = sentence.get(SentimentCoreAnnotations.AnnotatedTree.class);
                int sentiment = RNNCoreAnnotations.getPredictedClass(tree);
                String partText = sentence.toString();
                if (partText.length() > longest) {
                    mainSentiment = sentiment;
                    longest = partText.length();
                }
            }
        }

        if (mainSentiment == 2 || mainSentiment > 4 || mainSentiment < 0) {
            return null;
        }

        return "";
    }
}

Answer 1

您究竟希望这会发生什么？你在那里的sentimentAnalysis 类只处理情绪并返回null 或""，你没有对该返回值做任何事情。此代码不会向用户提供任何反馈。

也许你应该在调试器中运行它，或者在其中抛出几个打印语句，这样你就可以弄清楚它在做什么并找到一个合理的返回值。

您可以阅读大量文档以找出您要查找的内容。如果API for the Stanford NLP library 没有告诉你你需要知道的一切，我会感到惊讶。

Answer 2

这是我写的两个函数，

一个用于初始化情绪管道，另一个用于初始化

function processTextSentiment 返回传递参数给该函数的字符串文本中所有句子的情感类

例如，下面这句话将返回“Negative:Negative:”：

无论 Apple 公布第一季度业绩时销售的 iPhone 数量是多少，这很可能主要反映了该公司在该季度增加供应的能力如何，因为只有少数几部手机供不应求还剩几个星期。 2015 年及以后购买的 1 只好股票 2015 年将成为股市的又一个丰收年。

public static void initializeSentiPipeline(){
    tokenizerProps = new Properties();
    tokenizerProps.setProperty("annotators", "tokenize, ssplit");
    tokenizer = new StanfordCoreNLP(tokenizerProps);
    pipelineProps = new Properties();
    pipelineProps.setProperty("annotators", "parse, sentiment");
    pipelineProps.setProperty("enforceRequirements", "false");
    sentipipeline = new StanfordCoreNLP(pipelineProps);
}
public static String processTextSentiment(String text){
    Annotation annotation = tokenizer.process(text);
    sentipipeline.annotate(annotation);
    StringBuilder sb = new StringBuilder(32);
    for (CoreMap sentence : annotation.get(CoreAnnotations.SentencesAnnotation.class)) {
        System.out.println("  " + sentence.get(SentimentCoreAnnotations.ClassName.class));
        sb.append(sentence.get(SentimentCoreAnnotations.ClassName.class));
        sb.append(':');
    }
    return sb.toString();
}

Answer 3

你得到的感觉很好

int 情绪 = RNNCoreAnnotations.getPredictedClass(tree);

是分数...范围在 0-4 之间。

我稍微修改了代码，为您提供正/负“分数”

    int mainSentiment = 0;
    int longest = 0;
    String[] sentimentText = { "Very Negative","Negative", "Neutral", "Positive", "Very Positive"};
    NumberFormat NF = new DecimalFormat("0.0000");
    for (CoreMap sentence : document.get(CoreAnnotations.SentencesAnnotation.class)) {
        Tree tree = sentence.get(SentimentCoreAnnotations.AnnotatedTree.class);
        int sentiment = RNNCoreAnnotations.getPredictedClass(tree);

        String partText = sentence.toString();
        System.out.println("Sentence: '" + partText + "' is rather " + sentimentText[sentiment]);

        if (partText.length() > longest) {
            mainSentiment = sentiment;
            longest = partText.length();
        }
    }

    if (mainSentiment == 2 || mainSentiment > 4 || mainSentiment < 0) {
        System.out.println("Overall it was sort of neutral review");
    }
    else if (mainSentiment > 2) {
        System.out.println("Overall we are happy");
    }
    else {
        System.out.println("Bottom line. We are displeased");
    }