我正在研究基于无监督方面的情感分析。我尝试使用 Vader，这给了我很好的结果，但问题是如果主题是负面的，比如“食物浪费”，那么即使内容说“我真的很讨厌食物浪费”，情绪总是会变得消极。有人可以帮助我解决这个问题，甚至可以建议我比维德更好的方法。我也尝试过使用“Flair”，但它的结果不如 Vader 有希望。
问问题
448 次
1 回答
0
在这种情况下，VADER 使用的基于规则的模型可能不是一个好方法，在那个短语中，你有 3 个单词肯定会得到负分（讨厌食物浪费），记住 VADER 是针对简洁的社交媒体数据进行优化的，它不能很好地掌握短语的“上下文”。
与 VADER 类似的方法是我们在 TextBlob 中，您可以尝试做很多工作：https ://textblob.readthedocs.io/en/dev/
通常有监督的路线会给出更好的结果，但你需要一个好的预训练模型和好的数据。
scikit-learn 中的朴素贝叶斯分类器： https ://www.datacamp.com/community/tutorials/simplifying-sentiment-analysis-python
随机森林方法，始终使用 scikit-learn： https ://stackabuse.com/python-for-nlp-sentiment-analysis-with-scikit-learn/
以下是对情绪分析的各种方法的回顾： https ://towardsdatascience.com/fine-grained-sentiment-analysis-in-python-part-1-2697bb111ed4
于 2020-01-14T10:11:35.020 回答