Python 如何调整/重新训练NLTK强度分析仪
我正在使用NLTK的Python 如何调整/重新训练NLTK强度分析仪,python,nlp,nltk,sentiment-analysis,tweets,Python,Nlp,Nltk,Sentiment Analysis,Tweets,我正在使用NLTK的情感强度分析器来获取关于航空公司服务的推文。有很多关于食品质量和准时性等的推特。通过下面的代码,我可以获得一个单词的极性 from nltk.sentiment.vader import SentimentIntensityAnalyzer nltk.download('vader_lexicon') sid = SentimentIntensityAnalyzer() sid.polarity_scores('delicious') >>> {'neg
情感强度分析器
来获取关于航空公司服务的推文。有很多关于食品质量和准时性等的推特。通过下面的代码,我可以获得一个单词的极性
from nltk.sentiment.vader import SentimentIntensityAnalyzer
nltk.download('vader_lexicon')
sid = SentimentIntensityAnalyzer()
sid.polarity_scores('delicious')
>>> {'neg': 0.0, 'neu': 0.0, 'pos': 1.0, 'compound': 0.5719}
sid.polarity_scores('delayed')
>>> {'neg': 1.0, 'neu': 0.0, 'pos': 0.0, 'compound': -0.2263}
然而,有很多词只返回“neutral”,这些词经常被用来表示航空公司的服务质量,所以我想得到一个合适的极性。任何想法都将不胜感激
sid.polarity_scores('tasty')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
sid.polarity_scores('tasteless')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
sid.polarity_scores('quick')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
sid.polarity_scores('fast')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
sid.polarity_scores('slow')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
也许NLTK不是可以使用的库。我更喜欢使用TextBlob,下面是一个示例代码
from textblob import TextBlob
words = ["good", "bad", "fast", "quick", "slow"]
for word in words:
processedWord = TextBlob(word)
print(processedWord.sentiment.polarity)
输出:
0.7
-0.69
0.2
0.33
-0.30
在测试你的文字时,我只遇到一个问题:
tasty
的情绪也是中性的。也许NLTK不是可以使用的库。我更喜欢使用TextBlob,下面是一个示例代码
from textblob import TextBlob
words = ["good", "bad", "fast", "quick", "slow"]
for word in words:
processedWord = TextBlob(word)
print(processedWord.sentiment.polarity)
输出:
0.7
-0.69
0.2
0.33
-0.30
在测试你的文字时,我只遇到一个问题:
tasty
的情绪也是中性的。所以更好的问题是nltk.touction.vader
和TextBlob.touction.polarity
中的底层算法有什么区别?始终了解您使用的基础模型。谢谢!现在我将使用TextBlob。同时,我将寻找一些其他方法来重新训练预先存在的情绪算法,以便我可以根据我的具体情况进行定制。因此,更好的问题是nltk.touction.vader
和TextBlob.touction.polarity
中的底层算法之间有什么区别?始终了解您使用的基础模型。谢谢!现在我将使用TextBlob。同时,我将寻找一些其他方法来重新训练预先存在的情绪算法,以便我可以根据自己的具体情况进行定制。