Sentiment analysis 如何处理twitter情绪分析？

为了解决这个问题，我想请你给我一些建议。在大学里，我一直在解决意见挖掘任务，但在推特上，方法就大不相同了。例如，我使用集成学习方法对用户对西班牙某家酒店的意见进行分类。当然，我得到了一个包含正面和负面意见的训练集，然后我用测试集进行了测试。但是现在，在twitter上，我发现这种分类非常困难

我需要一套训练器材吗？如果这个问题的答案是肯定的，你不认为twitter是如此的短暂吗？所以如果我有这样的设置，我在未来主题上的表现会非常差吗

我想买一本字典（主要是形容词），把我的tweets和它交叉，得到一个术语文档矩阵，但我没有给任何twitter分配任何类。此外，积极形容词和消极形容词可能因主题和时间而异。那么，如何应对呢

如何处理语言问题？例如，我想学习用英语写的推文和用西班牙语写的推文，但要分开

你建议用哪种编程语言来做这样的事情？我一直在尝试使用R软件包，比如tm、twitteR

当然，我认为情绪的使用方式将在几个月内保持不变。最坏的情况是你重新贴标签并重新培训。根据我的经验，无监督学习在工业应用方面的记录很糟糕

你需要一些情绪/形容词词典来解释情绪的东西——有一些数据集，但我忘了它们在哪里。我可能已经用更好的信息回答了前面的问题

只要做英语推文，构建一个语言分类器是相当容易的，但你想从小事做起，所以你自己要放松

Python（NLTK），如果您想在少量代码中轻松完成它。Java有很好的NLP功能，但Python及其库更加用户友好

这个网站：提供3种使用R进行情绪分析的方法

twitter包现在已经更新，可以使用新的twitterapi。我希望你下载该软件包的源代码版本，以避免获得重复的推文

我正在为意见挖掘编写一本西班牙语词典，并将在可访问的地方出版

---

干杯

情绪分析将只给出上述3个结果-积极、消极和中性。我找到了一个关于Twitter情绪分析的教程，非常简单

我在这里找到的-

---

我只下载了3个依赖项，完成的代码更少。只要仔细研究一下，你就会得到解决方案。

因为，正如你所说，twitter的注意力跨度很短，你有没有尝试过（从大学时代开始）在短时间内（比如几个小时）使用你的算法来处理推特突发事件，并且你的算法工作得很好？建议，坚持一种语言。让您的算法使用一种语言，然后进行扩展。