开始情绪分析项目的最佳实践？答案

【问题标题】：best practice to start a sentiment analysis project?开始情绪分析项目的最佳实践？
【发布时间】：2020-03-19 06:35:31
【问题描述】：

在我对 AI 和情感分析进行了大量研究后，我发现了两种进行文本分析的方法。

文本的预处理完成后，我们必须创建一个分类以获得正面和负面，所以我的问题是最好有例子：

第一种方式：

要训练的 100 条文本记录，包括 2 个字段 text 和 status filed表明它是正1还是负0。

第二种方式： 100 条文本记录用于训练并为 bag of word 制作词汇表，以便基于此 bag of word 训练和比较测试记录。

如果我的问题有误，请给我打电话并更正我的问题。

【问题讨论】：

包包在得分方面为您提供了什么？
@cricket_007 我的意思是在词袋中它就像一个包含大量单词的文本文件，系统将使用它进行验证，以检查这个经过训练或测试的记录是正面还是负面

标签： python nltk sentiment-analysis

【解决方案1】：

我认为您可能会在这里遗漏一些东西，因此要训练情绪分析模型，您将拥有一个训练数据，其中每一行都有标签（正面或负面）和一个原始文本。为了让计算机能够理解或“看到”文本是通过将文本表示为数字（因为计算机无法理解文本），因此将文本表示为数字的一种方法是使用词袋（还有其他方法可以表示 TF/IDF、WORD2VEC 等文本）。因此，当您使用数据训练训练模型时，程序应该预处理原始文本，然后它应该（在这种情况下）制作一个词袋映射，其中每个元素位置代表一个词汇表，如果这个词将变为 1 或更多存在于文本中，不存在则为 0。

现在假设训练结束，那么程序生成一个模型，这个模型就是你保存的，所以当你想测试一个数据时，你不需要重新训练再次编程。现在当你想测试时，是的，你会使用 train data 的词袋映射，假设测试数据集中有一个词从未出现在 train 数据集中，那么只需将其映射为0.

简而言之：

当你想测试时，你必须使用从数据训练中映射出来的词袋

【讨论】：