如何在 Python NLTK 中计算 Vader 'compound' 极性分数？

Question

我正在使用 Vader SentimentAnalyzer 来获取极性分数。我之前使用了正/负/中性的概率分数，但我刚刚意识到“复合”分数，范围从 -1（最负）到 1（最正）将提供一个单一的极性度量。我想知道“复合”分数是如何计算的。是从 [pos, neu, neg] 向量计算的吗？

Answer 1

VADER 算法将情感分数输出到 4 类情感https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L441：

• neg：否定
• neu：中立
• pos：肯定的
• compound：复合（即总分）

让我们看一下代码，compound 的第一个实例位于 https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L421，它在此处进行计算：

compound = normalize(sum_s)

normalize() 函数在https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L107 中定义为：

def normalize(score, alpha=15):
    """
    Normalize the score to be between -1 and 1 using an alpha that
    approximates the max expected value
    """
    norm_score = score/math.sqrt((score*score) + alpha)
    return norm_score

所以有一个超参数alpha。

对于sum_s，它是传递给score_valence()函数https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L413的情绪参数的总和

如果我们追溯这个sentiment 参数，我们会看到它是在https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L217 调用polarity_scores() 函数时计算的：

def polarity_scores(self, text):
    """
    Return a float for sentiment strength based on the input text.
    Positive values are positive valence, negative value are negative
    valence.
    """
    sentitext = SentiText(text)
    #text, words_and_emoticons, is_cap_diff = self.preprocess(text)

    sentiments = []
    words_and_emoticons = sentitext.words_and_emoticons
    for item in words_and_emoticons:
        valence = 0
        i = words_and_emoticons.index(item)
        if (i < len(words_and_emoticons) - 1 and item.lower() == "kind" and \
            words_and_emoticons[i+1].lower() == "of") or \
            item.lower() in BOOSTER_DICT:
            sentiments.append(valence)
            continue

        sentiments = self.sentiment_valence(valence, sentitext, item, i, sentiments)

    sentiments = self._but_check(words_and_emoticons, sentiments)

查看polarity_scores 函数，它所做的是遍历整个 SentiText 词典并检查基于规则的 sentiment_valence() 函数以将价分数分配给情绪 https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L243，请参阅第 2.1.1 节http://comp.social.gatech.edu/papers/icwsm14.vader.hutto.pdf

所以回到复合分数，我们看到：

• compound 分数是sum_s 的归一化分数，并且
• sum_s 是根据一些启发式算法和情感词典（又名情感强度）计算的效价和
• 归一化分数只是sum_s 除以其平方加上一个增加归一化函数分母的 alpha 参数。

---

是根据 [pos, neu, neg] 向量计算的吗？

不是真的=)

如果我们看一下score_valence 函数https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L411，我们会看到复合分数是使用sum_s 计算的，然后是使用计算单个位置的_sift_sentiment_scores() 计算 pos、neg 和 neu 分数, neg 和 neu 使用来自sentiment_valence() 的原始分数而不是总和。

---

如果我们看一下这个alpha mathemagic，归一化的输出似乎相当不稳定（如果不受约束），取决于alpha 的值：

alpha=0:

alpha=15:

alpha=50000:

alpha=0.001:

当它是负面的时候会变得很时髦：

alpha=-10:

alpha=-1,000,000:

alpha=-1,000,000,000:

Answer 2

github repo 的“关于评分”部分有说明。