随着 Google 发布 Parsey McParseface syntaxnet的公告，据称 它是最准确的依赖解析器。我想了解如何使用此解析器进行更准确的情绪分析？如果有人可以分享一些可以帮助我理解整体流程的博客或研究论文或教程。
问问题
1358 次
1 回答
2
好问题，我不是专家，事实上，当你问这个问题时，我很感兴趣。
td;lr; 至少在理论上，更准确的依赖解析器将允许人们通过图传播情感，从而更好地确定情感极性。
从我的阅读来看，使用依赖树图的情感分析似乎传播了单词的独立（之前的——你可能从词典中获得的情感）情感，以构成文本的整体情感极性。
这种方法使用语言的组成（其语法结构）来确定情绪。这在某种程度上*与理解情绪的统计（朴素贝叶斯、逻辑回归、神经网络）方法相反。
这是我扫描的论文：
http://www.aaai.org/ocs/index.php/FLAIRS/FLAIRS14/paper/viewFile/7869/7837
为了更深入地探索什么是可能的，这可能会有所帮助：
https://arxiv.org/pdf/1401.6330.pdf
如果您有兴趣，更深入地介绍依赖解析可能是https://web.stanford.edu/~jurafsky/slp3/14.pdf
*从某种意义上说，（特别是）卷积网络确实学习了某种语言组合，所以 rnns 也是如此。
于 2017-03-02T06:15:12.870 回答