Python 医院候诊时间的情绪分析
我一直试图从医院里病人的回顾中推断出一个及时性得分(一个基于病人等待时间的得分)。可用的数据是患者的评论和他们对总体体验的评分。问题是我没有为患者的及时性评分贴标签,而是对整个体验的评分。 像“我等待了很长时间,但体验是值得的”这样的评论具有良好的背景和良好的评级,应该会返回一个有点糟糕的及时性得分,同样的事情是“等待时间很短,但它不能证明糟糕的服务是合理的”。因此,撰写评论的人的背景/感受也很重要。 我已经清理了评论,并选取了与等待时间(如果存在)相关的部分句子,并使用TextBlob或VaderTouction等库来推断患者的情绪是否积极。问题是,我有20%的案例从不同的图书馆得到了不同的结果,但它们并不总是最有意义(等待时间长但在良好环境下的评论会返回良好的等待时间,但至少应该是中性的)。Python 医院候诊时间的情绪分析,python,machine-learning,nlp,unsupervised-learning,Python,Machine Learning,Nlp,Unsupervised Learning,我一直试图从医院里病人的回顾中推断出一个及时性得分(一个基于病人等待时间的得分)。可用的数据是患者的评论和他们对总体体验的评分。问题是我没有为患者的及时性评分贴标签,而是对整个体验的评分。 像“我等待了很长时间,但体验是值得的”这样的评论具有良好的背景和良好的评级,应该会返回一个有点糟糕的及时性得分,同样的事情是“等待时间很短,但它不能证明糟糕的服务是合理的”。因此,撰写评论的人的背景/感受也很重要。 我已经清理了评论,并选取了与等待时间(如果存在)相关的部分句子,并使用TextBlob或Vad
我需要某种方法,将句子的上下文和实际评分与他们花在等待上的时间关联起来,并得出分数,这是一种情感分析,考虑到整个句子,但寻找谈论等待时间的特定上下文。你的问题被称为“基于方面的情绪分析”。我不是这方面的专家,但也许这个博客可以让你开始-一个有用的解决方案是:
pos/neg极性的聚合可划分为句子中的特征数量