NLTK中用于情感分析的词典

Question

我是python和NLTk的新手。 我创建了一个模型，用于NLTK（NaivesBayesCalssifier）中的调查情绪分析。 为了提高准确性，我想在模型中添加一些包含肯定和否定语句列表的字典。 NLTK中是否有任何模块，并且有任何其他功能可以改善我的模型吗？

Answer 1

您可以查看一些公共情感词典，这些词典可以为您提供正面和负面的语料库。

其中之一可以在https://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html找到

由于您尚未指定有关当前模型的任何详细信息，因此我假设您使用的是非常基本的Naive Bayes分类器。 如果您现在使用unigram（单词）对文本进行矢量化处理，则可以考虑使用bigrams或trigrams生成特征向量，这基本上可以使您在一定程度上使用单词的上下文信息。

如果您当前使用的是Tfidf之类的单词模型将文本转换为转换，则可以考虑使用单词嵌入代替。 单词袋不考虑单词的上下文信息，而单词嵌入则可以利用这一点。

您可以使用gensim之类的东西，它使用深度学习将单词转换为向量。 看看： https : //radimrehurek.com/gensim/models/word2vec.html

此外，您始终可以尝试使用linearSVC分类器或逻辑回归分类器，然后选择能提供最高准确性的分类器。