Python 如何调整/重新训练NLTK强度分析仪

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': 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。