Stanford nlp 句子层次到文档层次的情感分析。分析新闻

我需要使用斯坦福NLP工具对关于特定主题的新闻文章进行情绪分析

这样的工具只允许基于句子的情绪分析，而我想提取关于我的主题的整篇文章的情绪评估

例如，如果我的主题是苹果，我想知道一篇新闻文章对苹果的看法

仅仅计算我文章中句子的平均数是不行的。例如，我可能有一篇文章说，苹果非常擅长这个，这个和那个。由于这些原因，谷歌的产品非常糟糕。这样一篇文章将使用句子的平均分数进行中性分类，而实际上它是一篇关于苹果的非常积极的文章

另一方面，过滤我的句子，只包括那些含有“苹果会错过”一词的句子，这是非常好的。然而，它缺乏以下关键特征：。。。。在这种情况下，如果我只使用包含Apple一词的句子，第二句的效果就会消失

---

有没有解决这类问题的标准方法？斯坦福NLP是实现我目标的错误工具吗？

更新：你可能想看看

这是一个非常活跃的研究领域，因此很难找到现成的工具来实现这一点，至少斯坦福大学的CoreNLP中没有构建任何东西。一些提示：查看基于方面的情绪分析。在这种情况下，苹果将不是一个真正的方面，但可以这样建模。麻省大学安德鲁·麦卡勒姆（Andrew McCallum）的团队、UIC刘冰的团队、康奈尔大学的NLP团队以及其他人都致力于解决这个问题

---

如果你想快速解决问题，我建议从涉及苹果及其产品的句子中提取情感；使用coref查看斯坦福CoreNLP中的dcoref注释器，这将增加句子的回忆并解决句子的问题，例如，它缺少…

我没有加载到博客的链接