Parsing 如何检测消息是否显示“谢谢”？

我有各种各样的信息，我想知道这些信息的实质是否是说“谢谢”。这忽略了说“谢谢”的信息，并包括一个问题

由于您使用了“本质”一词，这是一个极难彻底回答的问题

让我们在这里退一步：在一个叫做情绪分析的相关问题上已经做了很多工作。在某些方面，这是这个问题的一个有趣的子集，因为它的定义要好得多

反对者：定义得更好！？为什么，情绪分析的定义非常明确。这是一张从文本到某种复习分数的地图。这是一种软弱无力的

反对者的批评的问题在于，这里给出的情感概念实际上没有很好的定义。星级的含义是什么？这和语言有什么关系？目前还不十分清楚，现有的方法在某些方面都难以做到这一点

事实上，表达感谢比表达感情要清楚得多。我们可以把感谢看作是一种特殊的情感，事实上，一种非常具体的情感，我怀疑，人类的注释者可以可靠地加以标记。如果人类能够可靠地标记一个现象，那就是计算和语料库语言学家认为某事是真实的足够标准。 这里有两种方法。一个会更快；其中一个更能说明问题

首先，想想你能想出的所有与感恩有关的字串，然后搜索它们。换句话说，这是@OMGtechy的尖刻评论的扩展版本。很明显，我很感谢你，也很感谢，我真的很感激，你的好意，太好了，我很感激。您可能很快就能获得相当好的数据覆盖率

第二种方法有点困难，但它的优点是挑战你的直觉。获取消息列表，并标记它们是否感谢。在每条信息中，标出表示对方感激的部分。您可以从这部分中获取结果，并使用它们来支持第一部分

---

我怀着感激之情怀疑，这种模式是相当有规律的。在表达感激之情时，我们通常会进入一个特定的语言使用语域，根据我第一部分的直觉，我们使用的词汇非常有限。没有花哨的NLP需要的只是详尽的模式匹配。如果是这样的话，这里有一些有趣的语言学在起作用

搜索子字符串谢谢？？你所需要的只是一个小型研究团队和几年的紧张研究。你可以使用一个手动标记的数据集对其进行训练：-这是一个非常重要的问题，你不能简单地调用内置函数来解决。如果您所需要的只是字符串“谢谢”的存在，那么按照@OMGtechy的建议进行搜索。如果您不需要包含“谢谢”的表达式上的带标签的训练数据，那么您可以训练分类器，然后对新实例进行分类