用于情感分析的 NLP 和机器学习 [关闭]答案

【问题标题】：NLP and Machine learning for sentiment analysis [closed]用于情感分析的 NLP 和机器学习 [关闭]
【发布时间】：2011-11-30 09:45:19
【问题描述】：

我正在尝试编写一个程序，该程序将文本（文章）作为输入并输出该文本的极性，以应对其正面或负面情绪。我已经广泛阅读了有关不同方法的信息，但我仍然感到困惑。我阅读了许多技术，例如分类器和机器学习。我想要从哪里开始的方向和明确的指示。例如，我有一个需要数据集的分类器，但是如何将文本（文章）转换为分类器的数据集。如果有人能告诉我解决这个问题的逻辑顺序，那将是一个很好的选择。提前致谢！ PS：请提及任何相关的算法或开源实现

问候，迈克

【问题讨论】：

将文本转换为分类器输入有多种选择，具体取决于 o.a.所使用的机器学习框架的因素。首先阅读 ML。

标签： artificial-intelligence nlp machine-learning data-mining classification

【解决方案1】：

你可以在这里找到一些有趣的数据集，从 NLP、NER 到图像分类、边界：https://dataturks.com/projects/trending

【讨论】：

【解决方案2】：

如果你是 nlp 和 python 的初学者，那么你可以尝试一些好的 api 来进行情感分析。

这里有一些你可以用于你的任务的 API

1.) sentiment analysis api

2.) Monkey Learn api for sentiment analysis

阅读目的 Great info on Sentiment Analysis:

【讨论】：

【解决方案3】：

如果您使用的是 Python，我建议您查看 NLTK 和 NLTK book。

此博客：streamhacker.com 有一些非常好的文章可以帮助您入门。

自 2000 年代后期以来，该领域已有大量研究。

更新（2013 年 10 月）：

斯坦福大学的研究在情感分析方面取得了突破，平均准确率达到了 85% 以上。 (http://gigaom.com/2013/10/03/stanford-researchers-to-open-source-model-they-say-has-nailed-sentiment-analysis/)

【讨论】：

从 NLTK 开始。 NLP 和机器学习不是微不足道的，通过一些例子来工作是件好事。您将使用的解决方案可能是一些基于词的情感分类器，带有词干提取功能，也可能是您选择的 ML 算法的 n-gram 词。朴素贝叶斯对此并不坏，并且很容易自己实现。请参阅此处的许多类似问题以获得更深入的解释。
我正在寻找具有出色性能和良好准确性的东西。我读到随机森林具有良好的性能。使用随机森林来查找文档的极性是否实用？
性能取决于问题、数据和特性。算法不是那么重要。尤其是如果您以前没有这样做过，那么完成简单的事情很重要，这样您就可以了解哪些功能可以真正帮助您。
+1 表示 NLTK。在这里寻找情绪分析演示，顺便说一句：text-processing.com/demo/sentiment

【解决方案4】：

你可以看看软件WEKA。它有许多内置的机器学习分类器，可用于情感分类。它要求您将输入数据转换为 ARFF 格式。

【讨论】：

【解决方案5】：

在从头开始之前，您可以先了解一下现有的 NLP 框架。

【讨论】：