Nlp 哪种方法最适合在语句中检测紧急情况（自然语言处理）？

我正在解决这个问题，我需要了解回复邮件的紧迫性。我的目标是，这个系统在任何情况下都应该工作，这意味着重点必须放在表示紧迫性的词语上，而不是特定领域的词语上

我最初的方法是使用一组通常表示紧急情况的单词，然后查看输入语句中出现的单词之间的相似性。它对于简单的陈述非常有效，但很明显，当它变得复杂时，例如“我认为这很紧急，但你可以花时间”无法正确分类

def分数（字符串）：
总和=0
#计算阈值（0.6）以上单词的平均相似度
对于字符串中的单词：
对于ms中的元素：
分数=模型。相似性（单词，ps.stem（元素））
如果pol和得分>0.6：
总和+=分数
返回和/长度（字符串）
#我训练有素的MNB模型
model=pickle.load（打开（“MyClassifier MNB.model”、“rb”））
#新邮件-->“我以为这很紧急，但请慢慢来”
item=account.inbox.filter（is_read=False）。order_by（'-datetime_received'）[0]
得分（项目主体）
#很明显，这将返回一个很好的分数，因为我只检查关键字是否存在。检查否定的好方法是什么。我还尝试使用nltk的极性评分，但效果不太好。

“我认为这很紧急，但你可以慢慢来”
“预期产出：”
不紧急
“我的输出：”

---

紧急

您有权访问任何带标签的数据吗？例如，1000条紧急消息和1000条非紧急消息？你可以训练一个“紧迫性”分类器，找到自己要寻找的东西这是主要问题，我没有，我试图从twitter上搜刮，但它带来了其他挑战。你有权访问任何标记的数据吗？例如，1000条紧急消息和1000条非紧急消息？你可以训练一个“紧迫性”分类器，找到自己要寻找的东西这是主要问题，我没有，我试图从twitter上搜刮，但它带来了其他挑战