[英]nltk NaiveBayesClassifier training for blogs sentiment analysis
我从不同的博客文章中删除了有关特定主题的文本。 我读到的关于sentimenet分析的大多数主题都是基于对分类器的训练,以便判断它是否是该线程中所示的pos / neg答案。 我的问题是在哪里可以找到单词词典,还有情绪。 例如: Nice: Positive , bad: negative
。
如果您正在使用英语文本,则可以使用与预先训练的模型相关联的极性分数字典。 我建议使用NLTK的Vader,因为它很容易处理。
from nltk.sentiment import vader
analyzer = vader.SentimentIntensityAnalyzer()
words_with_sentiments = analyzer.make_lex_dict()
len(words_with_sentiments)
输出为7502个条目。
.make_lex_dict()的输出是一个字典,它具有以下结构:
{...
'agree': 1.5,
'agreeability': 1.9,
'agreeable': 1.8,
'agreeableness': 1.8,
'agreeablenesses': 1.3,
'agreeably': 1.6,
'agreed': 1.1,
'agreeing': 1.4,
'agreement': 2.2,
'agreements': 1.1,
'agrees': 0.8,
'alarm': -1.4
...}
在理论上,正值对应于正面情绪,负值对应于负面情绪。 然后,您可以将此字典用作要解析的字符串的查找表。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.