python - 如何在 Python NLTK 中计算 Vader 'compound' 极性分数？

Question

我正在使用 Vader SentimentAnalyzer 来获取极性分数。我之前使用了正/负/中性的概率分数，但我刚刚意识到“复合”分数，范围从 -1（最负）到 1（最正）将提供一个单一的极性度量。我想知道“复合”分数是如何计算的。是从 [pos, neu, neg] 向量计算的吗？

score 89 · Accepted Answer

VADER 算法将情绪分数输出到 4 类情绪https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L441：

neg：消极的
neu：中性的
pos：积极的
compound: 复合（即总分）

让我们看一下代码，compound 的第一个实例位于https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L421，它计算：

compound = normalize(sum_s)

该函数在https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L107normalize()中定义为：

def normalize(score, alpha=15):
    """
    Normalize the score to be between -1 and 1 using an alpha that
    approximates the max expected value
    """
    norm_score = score/math.sqrt((score*score) + alpha)
    return norm_score

所以有一个超参数alpha。

至于sum_s，它是传递给score_valence()函数https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L413的情绪参数的总和

如果我们追溯这个sentiment参数，我们会看到它是在调用https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L217polarity_scores()的函数时计算出来的：

def polarity_scores(self, text):
    """
    Return a float for sentiment strength based on the input text.
    Positive values are positive valence, negative value are negative
    valence.
    """
    sentitext = SentiText(text)
    #text, words_and_emoticons, is_cap_diff = self.preprocess(text)

    sentiments = []
    words_and_emoticons = sentitext.words_and_emoticons
    for item in words_and_emoticons:
        valence = 0
        i = words_and_emoticons.index(item)
        if (i < len(words_and_emoticons) - 1 and item.lower() == "kind" and \
            words_and_emoticons[i+1].lower() == "of") or \
            item.lower() in BOOSTER_DICT:
            sentiments.append(valence)
            continue

        sentiments = self.sentiment_valence(valence, sentitext, item, i, sentiments)

    sentiments = self._but_check(words_and_emoticons, sentiments)

查看polarity_scores函数，它所做的是遍历整个 SentiText 词典并使用基于规则的sentiment_valence()函数进行检查以将价分数分配给情绪https://github.com/nltk/nltk/blob/develop/nltk/情绪/vader.py#L243 ，请参阅 http://comp.social.gatech.edu/papers/icwsm14.vader.hutto.pdf的第 2.1.1 节

所以回到复合分数，我们看到：

compound分数是sum_s和的归一化分数
sum_s是基于一些启发式和情感词典（又名情感强度）计算的效价之和，以及
归一化分数只是sum_s除以其平方加上增加归一化函数分母的 alpha 参数。

是从 [pos, neu, neg] 向量计算的吗？

不是真的=)

如果我们看一下score_valence函数https://github.com/nltk/nltk/blob/develop/nltk/sentiment/vader.py#L411，我们会看到复合分数是sum_s在 pos、neg 和neu 分数是使用_sift_sentiment_scores()计算invidiual pos、neg 和neu 分数的方法计算的，该分数使用来自sentiment_valence()没有总和的原始分数。

如果我们看一下这个alpha数学，似乎归一化的输出相当不稳定（如果不受约束），取决于的值alpha：

alpha=0：