Python 在nltk中的语气（情绪）分析中，我如何在量表上获得弱/强情绪的指标？

有一个像“单剂量”这样的文本，我的python程序会返回一个关于各种情绪概率的字典，比如

 {'joy': 0.18, 'shame': 0.03, 'sadness': 0.53, 'guilt': 0.01, 'disgust': 0.14, 'anger': 0.08, 'fear': 0.007}

（使用朴素贝叶斯分类器和一组训练数据）

然而，正如你所看到的，这篇文章没有任何强烈的情感。 因此，我需要另一本字典来说明每种情绪有多强烈

作为《客户评论》中的另一个例子，我希望它能为“操这”返回一个强烈的情感指标，而不是为“meh”返回一个微弱的情感指标。 但更重要的是，我不想给“我周六买的”这样的事实性句子加上标签

我没有尝试过任何东西，因为我没有找到任何线索。我唯一希望的是，我将上面的词典直接转换为另一个具有弱点/长处量表的词典，并避免为此目的进行单独的训练和分类过程

另一件事是上面字典中的概率之和是1，但在我想要的输出中，它不一定是1。（即标准化）

---

任何想法都值得赞赏。

如果您检查nltk朴素贝叶斯分类器的代码：

您将看到通过此调用将分数标准化：

return DictionaryProbDist(logprob, normalize=True, log=True)

---

如果将该行更改为normalize=False，则将获得原始概率

如果我理解正确，你想要不同的结果（强积极/弱积极/弱消极/强消极）。您的模型似乎不是为您的任务而设计的。看看你能不能找到一个不同的，或者自己训练一个。