问题标签 [sentiment-analysis]

我正在尝试对日语、汉语、德语等非英语语言进行情感分析。我想知道是否有任何机器翻译器可用于将这些语言的文档翻译成英语。我正在研究 JAVA，所以我应该能够调用 API 或工具。我使用了谷歌翻译 API，所以请提出除此之外的任何内容。

意见挖掘/情感分析是自然语言处理的一个近期子任务。有些人将其与文本分类进行比较，有些人对此持更深入的立场。您如何看待情感分析（意见挖掘）中最具挑战性的问题？你能说出几个吗？

我遇到了这个名为社交提及的网站，我很好奇这样的应用程序是如何工作的，希望有人可以对此提供一些一瞥/建议。

1. 在查看搜索结果时，我意识到他们从 facebook、twitter、google 获取结果......我想这是动态完成的，可能是通过上述提到的一些 REST api 完成的？

2. 如果我在第 1 点中提到的可能是真的，这是否意味着对文档/链接返回的情绪分析也是即时完成的？这不会太计算密集吗？我很好奇，因为除了情绪之外，它们还返回文档集中的顶级关键字。

3. 他们有一种叫做“趋势”的东西。它们看起来像 twitter 上的热门话题，但似乎它们还包含 > 3 个单词的短语。这与 nlp 的实体提取有关还是与关键短语提取有关？除了 Twitter 之外，还有其他 API 可以提供此功能吗？“趋势”通常是针对用户提交的搜索查询进行的，还是系统实际处理页面？

一个好奇的人。

我正在寻找最好在 PHP 中的情绪分析脚本/soyurce 代码。你知道任何这样的脚本吗？谢谢，萨米尔

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：

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....

我正在编写一个 Java 程序，需要分析一小段文本（3-4 个句子，转述的新闻文章）以了解他们的情绪。我只需要知道这篇文章总体上是正面的、负面的还是中性的。

例如，理想情况下，以下内容将被归类为正面：

亚马逊的 Kindle 电子书销量飙升。亚马逊表示，其 Kindle 电子阅读设备销售的电子书数量超过了平装本和精装印刷版的总和

我所需要的只是一个非常简单且快速实施的第三方解决方案，我可以在我的程序中使用它。它不必一直完全准确。只要可以跟踪解决方案，许可证等就不是问题。

到目前为止，我已经找到了一个潜在的好解决方案，AlchemyAPI，但我很难实际使用它。

如果有人以前遇到过这个问题并且知道一个特别好的/简单的解决方案，或者一个非常好的教程，我将非常感激:-)

（另外我为这个问题中缺少代码而道歉。）

我必须在交互式系统中提出一些问题，并且用户可以自由输入任何内容作为响应。我必须从回应中得出结论是正面（是）还是负面（否）。在我几个月前参加的一些演讲中，我了解到存在一个特定的 wordnet 库（不是 wordnet 本身），它可以完成完全相同的工作，但我忘记了它是什么。有人知道吗？如果不能，您能否提出一些替代方案来获得相同的结果？

提前致谢

我正在尝试实现用于情感分析的朴素贝叶斯分类器。我计划使用 TF-IDF 加权度量。我现在只是有点卡住了。NB 一般使用词（特征）频率来寻找最大似然。那么如何在朴素贝叶斯中引入 TF-IDF 加权度量呢？

我正在寻找一种可以分析短文本情绪的工具。我搜索了一个星期，我找不到一个可以公开获得的好的。理想的工具是将短文本作为输入并猜测情绪的工具。它最好是一个独立的应用程序或库。

我不需要受文本训练的工具。尽管在没有得到令人满意的答案之前提出了类似的问题。

我在互联网上搜索并阅读了一些论文，但找不到我想要的好工具。目前我找到了 SentiStrength，但准确度并​​不好。我现在正在使用情感词典。我觉得一些语法解析可能是必要的，但它对我来说太复杂了，无法构建。此外，它是由一些人研究的，我不想重新发明轮子。有谁知道这样的公开/研究可用软件？我需要一个在使用前不需要培训的工具。提前致谢。

这个问题可能很模糊，但我会尽量用最好的语言来表达。

所以我想出了一个粗略的算法来计算一个句子（评论片段的一部分）是正面的、负面的还是中性的（我们把这个句子称为 EQ）。所以对于 5 个句子，我有一些基于 [-100, 100] 的句子评分。评论必须在 [0, 5] 的基础上进行评分

(0, 39.88) (1, 73.07) (2, 69.65) (3, 51.43) (4, 76.74)

我正在努力的选择是我现在应该选择哪种方法来计算评论片段的总体评分。

我研究了一下，尝试了两种选择

1) 50% 百分位数：对于上述数据点，我将其设为 70。因此将其映射到 0-5 比例结果为 4.2。结果很好，但可悲的是，百分位数没有捕捉到 EQ 在片段中从一个句子到另一个句子的变化（因为它适用于排序的数据，所以变化丢失了）。2) 拉格朗日多项式：这里接近 69。但这种方法的问题是我经常在 X 范围的中间计算它（在这种情况下为 2），因此这也不能捕捉到 EQ 的变化句子的（这里的端点无关紧要，它主要会给出中间值）。

有什么想法，我应该选择什么方法来捕捉片段中的 EQ 变化并给出一个合适的值来获得整体情绪。？

可能像excel这样的东西可以绘制趋势线，可以使用的概率？？