NLTK情感分析词典

Question

我是python和NLTk的新手。我为NLTK（NaivesBayesCalssifier）中的调查情绪分析创建了一个模型。为了提高准确性，我想在模型中添加一些包含正面和负面语句列表的字典。 NLTK中是否有任何模块，是否有任何其他功能可以改善我的模型？

Answer 1

您可以查看一些公共情感词典，它们会为您提供正面和负面词汇。

其中一个可以在https://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html

找到

因为，您没有指定有关当前模型的任何细节，我假设您使用的是非常基本的Naive Bayes分类器。如果你现在使用unigrams（单词）来对文本进行矢量化，那么你可以考虑使用bigrams或trigrams来生成特征向量。这基本上可以让你在一定程度上使用单词的上下文信息。

如果您目前正在使用像Tfidf这样的单词模型将文本转换为转换，那么您可以考虑使用单词嵌入而不是单词嵌入。一袋词不考虑单词的上下文信息，而单词嵌入则能够利用它。

你可以使用像gensim这样的东西，它使用深度学习将单词转换为向量。看看：https://radimrehurek.com/gensim/models/word2vec.html

此外，您始终可以尝试使用linearSVC分类器或逻辑回归分类器，并选择最准确的分类器。

Answer 2

你可以从 NLTK 下载一个，就像：

from nltk.corpus import opinion_lexicon

pos_list=set(opinion_lexicon.positive())
neg_list=set(opinion_lexicon.negative())