问题标签 [vader]

对于我的情绪分析项目，我需要用极性（正面、中性、负面）标记我的数据集。csv 文件由 ["title", "description"] 的 2 列构成我需要这两个信息，我想计算分数并创建一个新列，然后将 csv 文件 ["title", "description" , "score"]，你推荐哪个 python 库？SentiWordNet 和 Vader 我已经看到它们很有用，但我该如何使用它们呢？

对于 Python 中的 VADER SentimentIntensityAnalyzer，有没有办法添加二元规则？我尝试使用两个单词输入来更新词典，但它并没有改变极性分数。提前致谢！

我有一个旅行顾问评论的 csv 文件。有四列：

人、标题、评级、评论、review_date。

我希望此代码执行以下操作：

1. 在 csv 中，创建一个名为“tarate”的新列。
2. 用“pos”、“neg”或“neut”填充“tarate”。它应该读取“评级”中的数值。如果“评级”>=40，则“tarate”== 'pos'；“tarate” == 'neut' 如果“rating” == 30；“tarate” == 'neg' 如果“rating”<30。
3. 接下来，通过 SentimentIntensityAnalyzer 运行“review”列。
4. 将输出记录在名为“scores”的新 csv 列中
5. 使用“pos”和“neg”分类为“复合”值创建一个单独的 csv 列
6. 运行 sklearn.metrics 工具将旅行顾问评级（“tarate”）与“compound”进行比较。这可以打印。

部分代码基于 [http://akashsenta.com/blog/sentiment-analysis-with-vader-with-python/]

这是我的 csv 文件：[https://github.com/nsusmann/vadersentiment]

我遇到了一些错误。我是一个初学者，我想我被诸如指向特定列和 lambda 函数之类的东西绊倒了。

这是代码：

我想在 R 中的 Vader 分析词典/词典中添加一些专业的单词术语和相应的情感值，并在 Python HERE中找到相应的答案。

但是在R中找不到等效的方法，或者在windows包存储库中找不到明显的字典文件来编辑。

这是附加词典的示例片段，我没有更多相关代码，因为这对我来说有点像一堵墙。我唯一的另一个想法是将 Vader 字典加载到另一个情绪分析包中，但如果可能的话，我宁愿避免这种情况。

当我跑步时

我得到这个错误

请帮助我应该安装或更改什么

我已经使用 vader 库来标记亚马逊的评论，但它不处理这些类型的评论“它没有问题并且做得很好。将它用于 Apple TV 并且效果很好。我会再次购买没问题”。这是肯定句，但代码将其标记为否定句。我该如何处理这些类型的评论。

这是示例文件：

我有一组手动标记的约 120K 推文。如果我使用 VADER 的复合分数，它只匹配约 24% 的记录的手动标记，textblob 匹配约 35% 的手动标记记录。如果我将 Vaders 复合分数和 textblob 分数相加，然后除以 2，得到的情绪结果与手动标记匹配的概率约为 70%。有什么理由让它更准确还是只是巧合？

我正在尝试使用vaderin分析一些评论python。我做了一个Analyzer这样的课程：

我像这样使用这个类main.py：

现在的问题是：当品牌被分配给要分析的类时，较旧的评论仍保留在列表中。

例如：apple.csv 有 1000 条评论，google.csv 有 700 条评论。但是当 google 传递给分析器时，reviews列表长度不是 700，而是 1700。

假设我想text用一个名为的字典评分dictionary：

我想编写一个函数，将 indictionary中的每个术语相加text。但是，这样的规则必须有细微差别：优先考虑 ngrams 而不是 unigrams。

具体来说，如果我总结其中的一元dictionary，text我得到：1+(-1)+(-1)+(-1)=-2因为like =1, reduce=-1, carbon =-1,emissions=-1。这不是我想要的。该函数必须说明以下内容：

1. 首先考虑ngrams（reduce carbon emissions在示例中），如果ngrams的集合不为空，则为其赋予相应的值，否则如果ngrams的集合为空，则考虑unigrams；
2. 如果 ngrams 集合非空，则忽略所选 ngrams 中的那些单个单词（unigrams）（例如，忽略已经在“减少碳排放”中的“减少”、“碳”和“排放”）。

这样的函数应该给我这个输出：+2因为like =1+ reduce carbon emissions = 1。

我对 Python 很陌生，我被困住了。谁能帮我这个？

谢谢！

我正在对用户的 UX 网站测试成绩单进行情绪分析。我从测试会话中得到成绩单，然后我分析成绩单以进行情绪分析——用户对网站的看法是什么，用户遇到了什么问题，他是否有任何问题、卡住、迷路。由于这是非常特定于域的，我正在测试 TextBlob 和 Vader，看看哪个能提供更好的结果。我的问题是在流程的开始 - 语音到文本 API 的成绩单并不完美。句子（句号）没有被捕获或者是最小的。我不确定分析应该在什么级别，因为我希望我可以在句子级别上进行分析. 我尝试制作 n-gram 并分析那些短文本块，但这并不理想，而且结果有点难以阅读——因为有些部分会重复。除此之外，我还进行经典的文本清理、标记化、pos 标记、词形还原并将其提供给 TextBlob 和 Vader。

成绩单示例：okay so if I go just back over here it has all the information I need it seems like which is great so I'm pretty impressed with it similar to how a lot of government websites are set up over here it looks like I have found all the information I need it's a great website it has everything overall though it had more than enough information...

我做了：

这给了我类似的东西（实际上是一个 WordList）：[okay so if I, so if I go, if I go just...]

然后结果如下所示：

有没有更好的方法来分析块中的非结构化文本而不是完整的成绩单？

这使得很难捕捉到网站的问题。更改 API 并不是一个真正的选择，因为我正在使用一些东西，这些东西是给我的，用作这个特定情绪分析问题的数据收集。

任何提示或建议将不胜感激，找不到任何人做类似的事情。