Python NLTK中的情感分析词典

我不熟悉python和NLTk。我在NLTK（NaivesBayesCalssifier）中创建了一个用于调查情绪分析的模型。为了提高准确性，我想在模型中添加一些包含肯定和否定语句列表的字典。NLTK中是否有任何模块，以及是否有任何其他功能可以改进我的模型？

您可以查看一些公共情绪词汇，这些词汇将为您提供一个积极和消极词汇的语料库

其中一个可以在

由于您没有指定关于当前模型的任何细节，所以我假设您使用的是一个非常基本的朴素贝叶斯分类器。如果你现在使用单元格（单词）来矢量化你的文本，那么你可以考虑使用BigRAM或TrimRAMs来生成特征向量。这将基本上使你能够在一定程度上使用单词的上下文信息。

如果你现在使用一个类似TFIDF的单词包来转换你的文本，那么你可以考虑使用Word嵌入而不是那个。词包不考虑词语的上下文信息，而词嵌入则可以利用它。 你可以使用一些东西，比如gensim，它使用深度学习将单词转换成向量。看看：

---

此外，您可以尝试使用线性SVC分类器或逻辑回归分类器，并选择精度最高的分类器。

您可以查看一些公共情绪词汇，这些词汇将为您提供一个积极和消极词汇的语料库

其中一个可以在

由于您没有指定关于当前模型的任何细节，所以我假设您使用的是一个非常基本的朴素贝叶斯分类器。如果你现在使用单元格（单词）来矢量化你的文本，那么你可以考虑使用BigRAM或TrimRAMs来生成特征向量。这将基本上使你能够在一定程度上使用单词的上下文信息。

如果你现在使用一个类似TFIDF的单词包来转换你的文本，那么你可以考虑使用Word嵌入而不是那个。词包不考虑词语的上下文信息，而词嵌入则可以利用它。 你可以使用一些东西，比如gensim，它使用深度学习将单词转换成向量。看看：

---

此外，您可以尝试使用linearSVC分类器或logistic回归分类器，并选择精度最高的分类器。

您可以从NLTK下载一个分类器，如下所示：

from nltk.corpus import opinion_lexicon

pos_list=set(opinion_lexicon.positive())
neg_list=set(opinion_lexicon.negative())

---

您可以从NLTK下载一个，如下所示：

from nltk.corpus import opinion_lexicon

pos_list=set(opinion_lexicon.positive())
neg_list=set(opinion_lexicon.negative())

---

（1） 看看NLTK中有哪些模块。（2） 可能还有其他功能可以帮助您，但很难说，因为您没有指定当前使用的是什么。无论如何，功能工程不是一个编程问题，而是一个研究主题（因此它不属于so）。到目前为止，您的情绪分析模型使用了什么？（1）看看NLTK中有哪些模块。（2） 可能还有其他功能可以帮助您，但很难说，因为您没有指定当前使用的是什么。无论如何，特征工程不是一个编程问题，而是一个研究主题（因此它不属于so）。到目前为止，您的情绪分析模型使用了什么？