Twitter 基于朴素贝叶斯的社交媒体情感分析

我正在尝试使用朴素贝叶斯分类对Google+帖子进行情感分析

我一直在寻找一个数据集，我找到的唯一一个数据集是为twitter制作的。google+帖子和tweet有很多共同点，但可能不是长度我想知道这是否会改变NB分类。

---

同样，NaiveBayes也考虑了微笑，但是假设我们想在文本中给他们更多的权重（因为他们明确地表达了推特的情感）。使用朴素贝叶斯有什么方法可以做到这一点吗？

假设你是在“帖子”级别上做的，较短的帖子可能更容易学习和分类，因为它们在表达观点方面更为直截了当，但找到答案的唯一方法是做实验，可能使用相同的功能集和不同的功能集。对于表情符号的权重，如果它们确实是明确的或比其他特征更具“决定性”的，假设表情符号是其中一个特征，则通过假设其为真的条件概率的学习来反映。您可能还希望尝试逻辑回归和支持向量机，因为它们往往比nb提供更好的结果。在情绪分析中，你只是想把它分为两类——积极的情绪和消极的情绪，还是你也想给它打分？例如：高度消极情绪为-0.8，中度积极情绪为0.5？此外，推特文本较短，每条推特只能给出一个情绪（除了少数几个），但在google+帖子中，单个帖子可以包含情绪的混合，包括正面和负面，甚至事实。你是在做句子级分类还是职位级分类？