Nlp 使用Lingpipe识别情绪分析中的实体

我使用Lingpipe的情绪分析模块实现了情绪分析。我知道他们使用动态LR模型来实现这一点。它只是告诉我测试字符串是积极情绪还是消极情绪。我可以用什么想法来确定表达情感的对象

---

如果文本被归类为积极情绪，我想得到表达情绪的对象——可以是电影名称、产品名称或其他名称。

通常情绪句意味着这类句子的主要实体是情绪的对象。所以，基本的启发式方法是去搜索并得到第一个对象。否则，您应该使用深度解析NLP工具包并编写一些规则来将情感链接到对象。

虽然这个问题确实很老，但为了其他人的利益，我想回答它

这里需要的是概念层面的情绪分析。对于非常基本的版本，我建议执行以下步骤：

应用分句器。您可以使用Lingpipe的句子拆分器或OpenNLP句子检测器

应用部分spech标记。同样，您可以使用Lingpipe的POS标记器或OpenNLP POS标记器

然后，您需要识别POS标记器识别为“名词”的标记。这些标记有可能成为句子中的目标实体

然后你需要在句子中找到感伤的词。要做到这一点，最简单的方法是使用带有感情色彩的词汇词典。你可以在网上找到许多这样的词典

下一步是找出句子中的依赖关系。这可以通过使用来实现。例如，如果您尝试“This phone is good.”这句话，您可以在其中看到以下“类型依赖项”：

det（电话-2，本-1）， nsubj（好-4，电话-2）， cop（良好-4，is-3）， 根（根-0，良好-4）

这里的依赖项nsubj（good-4，phone-2）表示phone是标记good的名义主语，这意味着单词good表示phone。我确信您的情感词典将包含单词good，而phone将被词性标记识别为名词。因此，您可以得出结论，情绪良好是针对实体手机表达的

这是一个非常基本的例子。您可以更进一步，围绕依赖关系创建规则，以提取更复杂的情感实体对。你也可以给你的情感词打分，根据情感词在句子中出现的次数得出句子的总分