Python TextBlob，完全不准确

看看我们最近做的一项调查的反应。我认为这个被调查者并不那么高兴。在这里，TextBlob会让我相信他的情绪已经达到了积极的上限。如果我从字符串中删除“best”一词，情绪得分将变为“0”

你能帮我重新灌输我的信任吗？在这个非常简单的应用程序中，我做错了什么

a = "Follow on rounds for the best prospects. Some choke to death now."
b = TextBlob(a)
print b.sentiment 

情绪（极性=1.0，主观性=0.3）

---

谢谢，

你需要明白，机器，即使学会了一些东西，也不是人。“为了最好的前景，接下来的几轮比赛。有些人现在窒息而死。”这句话即使对于一个人来说也有点让人困惑，因为第一句话和第二句话之间似乎没有什么联系

此外，你可能会看到许多其他真实的情况，其中极性与非常明显的事物相反。如果您需要处理许多这样的情况，您可以使用以下代码，这可能会大大改善您的结果

from textblob import TextBlob
from textblob.sentiments import NaiveBayesAnalyzer
a = "Follow on rounds for the best prospects. Some choke to death now."
b = TextBlob(a, analyzer=NaiveBayesAnalyzer()))
print(b.sentiment)

对于你的例子（我个人认为这不是一个好例子，甚至对人类来说也是令人困惑的），结果如下：

情绪（分类='pos'，p_pos=0.5730186699265399，p_neg=0.42698133007345906）

这仍然是积极的，但你可以看到pos和neg分数之间的差异。对我来说，它大部分时间都是成功的，用的是相关且有意义的句子

有关代码中更改内容的说明，请参见以下内容：

textblob.感伤模块包含两个感伤分析实现，PatternAnalyzer（基于模式库）和NaiveBayesAnalyzer（在电影评论语料库上训练的NLTK分类器）

默认实现是PatternAnalyzer，但是您可以通过将另一个实现传递到TextBlob的构造函数中来覆盖分析器

---

你需要明白，一台机器，即使学了很少的东西，也不是人。“为了最好的前景，接下来的几轮比赛。有些人现在窒息而死。”这句话即使对于一个人来说也有点让人困惑，因为第一句话和第二句话之间似乎没有什么联系

此外，你可能会看到许多其他真实的情况，其中极性与非常明显的事物相反。如果您需要处理许多这样的情况，您可以使用以下代码，这可能会大大改善您的结果

from textblob import TextBlob
from textblob.sentiments import NaiveBayesAnalyzer
a = "Follow on rounds for the best prospects. Some choke to death now."
b = TextBlob(a, analyzer=NaiveBayesAnalyzer()))
print(b.sentiment)

对于你的例子（我个人认为这不是一个好例子，甚至对人类来说也是令人困惑的），结果如下：

情绪（分类='pos'，p_pos=0.5730186699265399，p_neg=0.42698133007345906）

这仍然是积极的，但你可以看到pos和neg分数之间的差异。对我来说，它大部分时间都是成功的，用的是相关且有意义的句子

有关代码中更改内容的说明，请参见以下内容：

textblob.感伤模块包含两个感伤分析实现，PatternAnalyzer（基于模式库）和NaiveBayesAnalyzer（在电影评论语料库上训练的NLTK分类器）

默认实现是PatternAnalyzer，但是您可以通过将另一个实现传递到TextBlob的构造函数中来覆盖分析器

---

首先，为什么您会信任一个名为“TextBlob”的工具？更严重的是：TextBlob使用了一些经过预训练的模型（在使用该工具时，您不必关心这些），但它们并不完美，因为没有任何NLP任务。如果你想改进这个工具，你需要定制，重新训练，尝试不同的东西。。。欢迎来到NLP！首先，为什么您会信任一个名为“TextBlob”的工具？更严重的是：TextBlob使用了一些经过预训练的模型（在使用该工具时，您不必关心这些），但它们并不完美，因为没有任何NLP任务。如果你想改进这个工具，你需要定制，重新训练，尝试不同的东西。。。欢迎来到NLP！