Machine learning 使用LingPipe进行分层情绪分析

这是在使用LingPipe机器学习工具进行情绪分析的背景下进行的。我必须对一个大段落中的句子是否有积极/消极情绪进行分类。我知道在LingPipe中有以下方法

根据段落的极性对完整段落进行分类-负或正

在这里，我还不知道句子层面的极性。我们仍处于段落级别。我如何确定段落句子层面的极性，确定段落中的句子是否为正/负句子？我知道如果一个句子是主观/客观的，LingPipe能够进行分类。所以用这个方法

我应该吗

首先对LingPipe进行一系列主客观句子的训练

使用经过训练的模型从测试段落中提取所有主观句子

通过手动将提取的主观性句子标记为正/负来训练基于极性的LingPipe分类器

现在使用经过训练的极性模型，并输入一个测试主观句子（即通过经过训练的主观/客观句子传递一个句子）模型，然后确定陈述是否为正/负

上述方法有效吗？在上面提出的方法中，我们知道LingPipe能够接受大量文本内容（段落）进行极性分类。如果我们只通过一个主观的句子来进行极性分类，它会做得好吗？我糊涂了

---

包括lingpipe在内的大多数机器库都是基于行的（具有平面特征的对象）。所以，如果你想用它做一些层次分类，你应该去规范化你的数据。例如，您可以在同一个特征集中具有段落和句子的特征。如果您只使用单词分类，您可以创建这样的功能PARGRAPH\u WORDX=true，句子\u WORDX=true。

---

其他一些工具包允许您在不进行非规范化的情况下表达您的模型，这就是所谓的图形模型，例如CRF、ACRF、马尔可夫模型等，它们是您可以在mallet和Factorie中找到的模型的实现

您可能想看看文献中的多层次分析方法，例如

Li，S.等人（2010年）。“利用组合多层次模型进行文档情感分析”，2010年模式识别国际会议

Yessenalina，A.等人（2010年）。“文档级情感分类的多层次结构化模型”，2010年自然语言处理经验方法会议论文集，第1046-1056页，麻省理工学院，美国马萨诸塞州，2010年10月9-11日

多级分析方法在信息检索中非常常见，如用于向量空间相似性搜索的内容索引

---

像Ling Pipe这样的环境是一个很好的入门方式，但最终您需要使用更低级别、更细粒度的工具，如yura建议的工具。

谢谢yura。简而言之，你的意思是说，如果我在段落级使用一个功能集，那么同样的功能集也可以在句子级使用？是的，你可以将段落和句子的功能组合在一个分类下的句子功能集中。有时它也能起作用。这就像你想在树中对某个节点进行分类，并因此添加其所有父节点的特性。