我正在从事情绪分析，我正在使用此链接中给出的数据集：http://www.cs.jhu.edu/~mdredze/datasets/sentiment/index2.html并且我已将数据集划分为 50:50 的比例。50%用作测试样本，50%用作训练样本，从训练样本中提取特征并使用Weka分类器进行分类，但我的预测准确率约为70-75%。
任何人都可以建议一些其他可以帮助我提高结果的数据集 - 我使用 unigram、bigram 和 POSTtags 作为我的特征。
问问题
49082 次
3 回答
26
获取情感分析数据集的来源有很多：
- 来自谷歌storage.googleapis.com/books/ngrams/books/datasetsv2.html的巨大 ngrams 数据集
- http://www.sananalytics.com/lab/twitter-sentiment/
- http://inclass.kaggle.com/c/si650winter11/data
- http://nlp.stanford.edu/sentiment/treebank.html
- 或者您可以查看这个全球 ML 数据集存储库：https ://archive.ics.uci.edu/ml
无论如何，这并不意味着它会帮助您为当前数据集获得更好的准确性，因为语料库可能与您的数据集有很大不同。除了降低测试百分比与训练之外，您还可以：测试其他分类器或使用半自动包装器（如 CVParameterSelection 或 GridSearch）微调所有超参数，如果合适，甚至可以使用 auto-weka。
很少使用 50/50，80/20 是相当普遍的比率。更好的做法是使用：60% 用于训练，20% 用于交叉验证，20% 用于测试。
于 2014-07-07T21:55:10.040 回答
3
我开始在一个地方收集情绪分析工具/数据集/词典，它也可能对你有用：https ://github.com/laugustyniak/awesome-sentiment-analysis
如果您想添加更多内容或只是写信给我，请启动 PR。我在亚马逊数据 [数百万条评论] 上做了很多工作。
于 2018-05-17T19:10:32.007 回答
0
以下是给出单个单词情绪的数据集列表。 http://positivewordsresearch.com/sentiment-analysis-resources/
于 2018-05-27T18:39:36.247 回答