Nlp 简单情绪分析

看来，进行基本情绪分析的最简单、最天真的方法是使用贝叶斯分类器（我在这里的发现证实了这一点）。有什么反驳或其他建议吗？

带有一袋单词表示的贝叶斯分类器是最简单的统计方法。通过使用更高级的分类器和特征表示，您可以获得显著更好的结果，但代价是更复杂

统计方法并不是唯一的游戏。另一个主要选择是基于规则的方法，它可以更好地理解文本的结构。据我所见，这些方法的实际效果不如统计方法

---

我推荐Manning和Sh Uuz的统计自然语言处理的基础第16章，文本分类。

< P>我不能想到一种更简单、更天真的情感分析方法，但是你可以考虑使用支持向量机代替Noi-Bayes（在一些机器学习工具包中，这可能是替换中的一个掉落）。. 看看哪一篇是关于这些技术的最早论文之一，并给出了一个关于一系列相关技术的准确度结果的良好表格，这些技术（从客户的角度来看）都不比其他任何技术更复杂。

基于上述肯提供的答案，还有另一篇论文

Tony和Niger的“使用不同信息源的支持向量机进行情绪分析”

---

它着眼于分配更多的特征，而不仅仅是彭日成和李所使用的一袋单词。在这里，他们利用wordnet来确定形容词的语义差异，以及文本中对主题的情感接近度，作为SVM的附加功能。它们显示出比以前基于情绪对文本进行分类的尝试更好的结果。

这是一个很好的开始。后来，庞和李有另一篇论文对这个问题的处理略有不同，以获得更好的结果。试试这个：