我有一个关于情绪分析的问题，我需要帮助。
现在，我有一堆通过 twitter 搜索 api 收集的推文。因为我使用了搜索词，所以我知道我想要查看的主题或实体（人名）是什么。我想知道其他人对这些人的看法。
对于初学者，我下载了一个具有已知价/情绪分数的英语单词列表，并根据推文中这些单词的可用性计算情绪 (+/-)。问题是情绪是这样计算的——我实际上更多地关注推文的语气，而不是关于这个人。
例如，我有这条推文：
"lol... Person A is a joke. lmao!"
消息显然是积极的，但 A 人应该得到否定。
为了改进我的情绪分析，我可能会考虑我的单词列表中的否定和修饰符。但是我怎样才能让我的情绪分析来查看消息的主题（可能还有讽刺）呢？
如果有人可以指导我获取一些资源，那就太好了....
在等待人工智能领域研究人员的答案时，我会给你一些关于你可以快速做些什么的线索。
尽管该主题需要自然语言处理、机器学习甚至心理学方面的知识，但除非您绝望或对该领域正在进行的研究质量不信任，否则您不必从头开始。
情感分析的一种可能方法是将其视为监督学习问题，其中您有一些小型训练语料库，其中包括人工注释（稍后会介绍）和一个测试语料库，您可以在该语料库上测试您的方法/系统的执行情况. 对于训练，您将需要一些分类器，如 SVM、HMM 或其他一些分类器，但要保持简单。我将从二进制分类开始：好，坏。您可以对从正面到负面的连续范围的意见范围执行相同的操作，即获得一个排名，如谷歌，其中最有价值的结果排在首位。
对于开始检查libsvm 分类器，它能够进行分类 {good, bad} 和回归（排名）。注释的质量将对您获得的结果产生巨大影响，但是从哪里获得呢？
我发现了一个与餐馆有关的情绪分析项目。既有数据又有代码，所以你可以看到他们是如何从自然语言中提取特征的，以及哪些特征在分类或回归中得分高。该语料库包含顾客对他们最近访问过的餐馆的意见，并就食物、服务或氛围提供了一些反馈。他们的观点和数字世界的联系以他们给餐厅的星数来表达。您在一个站点上有自然语言，在另一个站点上有餐厅的价格。
查看此示例，您可以针对所述问题设计自己的方法。看看nltk。使用 nltk，您可以进行词性标注，运气好的话，您还可以获取名称。完成此操作后，您可以向分类器添加一个功能，如果在 n 个单词（跳过 n-gram）中有表达意见的单词（查看餐厅语料库）或使用您已经拥有的权重，它将为名称分配分数，但它是最好依靠分类器来学习权重，那是他的工作。
在目前的技术状态下，这是不可能的。
英语（和任何其他语言）非常复杂，还不能被程序“解析”。为什么？因为一切都必须是特殊情况。说某人是个笑话是笑话的一个特例，这在你的程序中是另一个例外。等等等等等等。
一个很好的例子（由 ScienceFriction 在 SO 的某处发布）：
同样，情感词“不可预测”在惊悚片的语境中可能是正面的，但在描述丰田的休息系统时可能是负面的。
如果您愿意在这个主题上花费 +/-40 年的时间，请继续，我们将不胜感激 :)
我不完全同意nightcracker所说的。我同意这是一个难题，但我们正在朝着解决方案取得良好进展。
例如，“词性”可以帮助你找出句子中的主语、动词和宾语。在丰田与惊悚片的例子中，“n-gram”可能会帮助您弄清楚上下文。查看TagHelperTools。它建立在 weka 之上，并提供词性和 n-gram 标记。
尽管如此，仍然很难得到 OP 想要的结果，但这不会需要 40 年。