4

我是一名大学生，正在寻找一个 NLP 库来在基于 Java 的 Web 应用程序中执行主题提取和情感分析，以用于暑期爱好项目。

为了让您了解我正在尝试做的事情......我想构建一个基于 Java 的 Web 应用程序，该应用程序将从 Reddit 提交的标题中提取主题，并确定 OP 对标题的情绪（当可能的）。

示例输入：

  • Reddit，我们将反 SOPA 请愿书从 943,702 个签名增加到 3,460,313 个。反 CISPA 的请愿书为 691,768，比 SOPA 更糟糕。请顶一下，让我们讨论进一步的措施，否则我们过去的努力是徒劳的。我们以前做过，恐怕我们被要求再做一次。
  • 我的朋友称他为“可笑的上镜先生”
  • 精神错乱：CISPA 变得更糟，然后通过匆忙投票

我目前正在尝试 AlchemyAPI，但听起来那里存在更好的 NLP 库。最好，我不会被限制在给定时间段内有限数量的 API 请求（AlchemyAPI 有配额）。我听说过 GATE、LingPipe 和 OpenNLP 的名称——但是，我不确定它们是否符合我的需要。

我正在寻找来自有经验的用户的框架/库/api 建议，甚至更好的比较。我在 NLP 方面的经验非常有限，这就是我在这里寻求帮助的原因（ps：如果有人有任何资源可以在 www.nlp-class.org 之外了解更多信息，请告诉我！）:)

4

1 回答 1

4

首先，我强烈推荐使用 python，因为 NLP 库比 java 更易于使用，而且维护一个人的项目的代码要少得多。

我想不出任何可以做任何分类的事情，所以我的建议是训练两个分类器，一个用于主题，一个用于情感。您必须标记数据并定义特征，但我认为这不会太难，尤其是在建立“情感”词词典的情感方面。标记数据是一件令人头疼的事情，但良好的特征是您获得良好分类的方式。

主题分类器：

将 NLTK 与朴素贝叶斯分类器一起使用，并将特征定义为单词（小写）、单词二元组和三元组。

情绪分类器：

与主题分类器相同的特征，但也有一个特征，即单词 w 在情感词典中，连接为 c。所以，“坏”这个词的意思是“坏情绪”。

一旦你积累了足够的训练/测试数据，你就可以训练你的分类器并在必要时优化特征，然后你可以根据你想要的任何其他数据运行分类器。

通用库（Java）：

  • 开放式自然语言处理
  • 灵管
  • 维卡
  • 斯坦福的东西

库（Python）：

  • NLTK
  • 西皮
于 2012-05-02T20:58:50.657 回答