我正在尝试解决一个问题，即我在文章中识别实体（例如：汽车名称），并尝试预测文章中每辆车的情绪。为此，我需要从文章中提取与每个实体相关的文本。
目前，我使用的方法如下：
- 如果一个句子仅包含 1 个实体，则将该句子标记为该实体的文本
- 如果句子有超过 1 个实体，则忽略它
- 如果句子不包含实体，则标记为先前识别的实体的句子
然而，即使我们假设我们的情绪分类是有效的，这种方法也不会产生准确的结果。社区是否有任何方法可以解决这个问题？
该方法在许多情况下都失败并给出错误的结果。例如，如果我说 - '让我们谈谈本田思域。这辆车很棒，但与福特的焦点相比却失败了。这辆车也有很好的经济性。在这里，程序将在最后 2 个句子中选择 Ford Focus 作为实体，并为其标记这些句子。
我使用 nltk 进行描述性单词标记，使用 scikit-learn 进行分类（线性 svm 模型）。
如果有人能指出我正确的方向，将不胜感激。如果我要手动标记 50 篇文章及其中的文本，是否可以使用自定义功能构建一些分类器来检测这种类型的文本？提前致谢！