Python 维德极性“将返回的输出评分为”;“中立”;在大多数情况下 在大多数情况下,我发现极值分数将输出返回为“中性”,而应该有一些消极和积极的情绪突出,例如考虑以下情况,我发现下面的3个案例中,代码>{Neg’:0,“NEU”:1,POS’:0,“化合物”:0 } < /代码>。 案例1:续签经理根本没有资格胜任这项工作 案例2:John在提供信息和安排协作会议方面非常透明和勤奋 案例3:“仍然无法访问所订购的产品。自签署文档以来已超过一周”

Python 维德极性“将返回的输出评分为”;“中立”;在大多数情况下 在大多数情况下,我发现极值分数将输出返回为“中性”,而应该有一些消极和积极的情绪突出,例如考虑以下情况,我发现下面的3个案例中,代码>{Neg’:0,“NEU”:1,POS’:0,“化合物”:0 } < /代码>。 案例1:续签经理根本没有资格胜任这项工作 案例2:John在提供信息和安排协作会议方面非常透明和勤奋 案例3:“仍然无法访问所订购的产品。自签署文档以来已超过一周”,python,nlp,sentiment-analysis,vader,Python,Nlp,Sentiment Analysis,Vader,代码: 输出: {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0} 我预计,与“neu”=1.0和“component”=0.0相比,上述例子中强调的消极和积极情绪的比例约为% 有人能建议如何获得与给定文本字符串的实际情绪相匹配的更好结果吗?如果其他库或包比维德更好,我愿意探索它们 感谢您的建议。维德是一个基于词典的情感分析库。在你提到的句子中,唯一一个非中性的词是“注意”,但正如你在这里看到的:注意这个词没有包含在词典中,这就是为什么它

代码:

输出:

{'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
我预计,与“neu”=1.0和“component”=0.0相比,上述例子中强调的消极和积极情绪的比例约为%

有人能建议如何获得与给定文本字符串的实际情绪相匹配的更好结果吗?如果其他库或包比维德更好,我愿意探索它们


感谢您的建议。

维德是一个基于词典的情感分析库。在你提到的句子中,唯一一个非中性的词是“注意”,但正如你在这里看到的:注意这个词没有包含在词典中,这就是为什么它表明你的句子是中性的

{'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}