首先抱歉我的英语不太完美......我来自德国;）
因此，对于我的研究项目（学士论文），我需要分析关于某些公司和品牌的推文的情绪。为此，我需要编写自己的程序脚本/使用某种经过修改的开源代码（没有API＆＃39; - 我需要了解正在发生的事情）。
下面你会找到我找到的一些NLP应用程序的列表。我现在的问题是你推荐哪一种方法？哪一个不需要长时间调整代码？
例如：当我为音乐播放器＆gt; iPod＆lt;有人写道：＆＃34;这是一个糟糕的一天，但至少我的iPod让我开心＃34;甚至更难：＆＃34;这是一个糟糕的一天，但至少我的iPod弥补了它＆＃34;
哪种软件足够聪明才能理解专注于iPod，而不是天气？
哪种软件具有可扩展性/资源效率（我想分析几条推文并且不想花费数千美元）？
机器学习和数据挖掘
Weka - 是用于数据挖掘的机器学习算法的集合。它是最流行的文本分类框架之一。它包含各种算法的实现，包括朴素贝叶斯和支持向量机（SVM，在SMO下列出）[注意：其他常用的非Java SVM实现是SVM-Light，LibSVM和SVMTorch]。一个相关项目是Kea（Keyphrase Extraction Algorithm）一种从文本文档中提取关键短语的算法。
Apache Lucene Mahout - 一个孵化器项目，用于在Hadoop map-reduce框架之上创建高度可扩展的通用机器学习算法分布式实现。
NLP工具
LingPipe - （技术上并不是开源，见下文）Alias-I的Lingpipe是一套用于文本语言处理的java工具，包括实体提取，语音标记（pos），聚类，分类等...它是业界最成熟，最广泛使用的开源NLP工具包之一。它以其速度，稳定性和可扩展性而闻名。其最好的功能之一是大量精心编写的教程，以帮助您入门。他们列出了竞争的链接，包括学术和工业工具。一定要看看他们的博客。 LingPipe是在包含源代码的免版税商业许可下发布的，但它在技术上并不是开源的。
OpenNLP - 托管各种基于Java的NLP工具，这些工具执行句子检测，标记化，词性标注，分块和解析，命名实体检测以及使用共同参考分析Maxent机器学习包。
Stanford Parser和词性（POS）Tagger - 用于斯坦福NLP小组的句子解析和词性标注的Java包。它具有概率自然语言解析器的实现，包括高度优化的PCFG和词汇化依赖解析器，以及词汇化的PCFG解析器。它拥有完整的GNU GPL许可证。
OpenFST - 用于操纵加权有限状态自动机的包。这些通常用于表示可能性模型。它们用于模拟语音识别，OCR纠错，机器翻译和各种其他任务的文本。该图书馆由Google Research和纽约大学的贡献者开发。它是一个C ++库，意味着快速和可扩展。
NTLK - 自然语言工具包是用于教授和研究分类，聚类，语音标记和解析等的工具。它包含一组用于实验的教程和数据集。它由墨尔本大学的史蒂文伯德撰写。
Opinion Finder - 执行主观性分析的系统，自动识别文本中何时存在意见，情绪，推测和其他私人状态。具体而言，OpinionFinder旨在识别主观句子并标记这些句子中主观性的各个方面，包括主观性的来源（持有者）和表达正面或负面情绪的短语中包含的单词。
Tawlk / osae - 用于社交文本情感分类的python库。最终目标是拥有一个简单的库，只需工作＆＃34;。它应该有一个容易进入的障碍，并有完整的文件记录。我们通过在negwords.txt和poswords.txt上收集的推文使用停用词过滤获得最佳准确度
GATE - GATE已超过15年，并且正在积极地用于涉及人类语言的所有类型的计算任务。 GATE擅长各种形状和大小的文本分析。从大型企业到小型创业公司，从数百万欧元的研究联盟到本科项目，我们的用户社区是这类系统中规模最大，最多样化的系统，并且遍布除了一个大陆之外的所有系统1。
textir - 一套用于文本和情感挖掘的工具。这包括'mnlm'函数，用于稀疏多项逻辑回归，'pls'，简明偏最小二乘例程和'主题'函数，用于潜在主题模型中的有效估计和维度选择。
NLP Toolsuite - JULIE实验室提供了一个全面的NLP工具套件，用于语义搜索，信息提取和文本挖掘的应用程序。我们大多数不断扩展的工具套件都基于机器学习方法，因此与领域和语言无关。
...
旁注：您会推荐Twitter流媒体或获取API吗？
至于我，我是python和java的粉丝;）
非常感谢你的帮助!!!
答案 0 :(得分：4)
我不确定我能提供多少帮助，但之前我曾使用过手动NLP。我想到了几个问题 - 并非所有产品都是语言不可知的（人类语言不是计算机语言）。如果您计划分析德语推文，那么您选择的产品能够处理德语非常重要。我知道很明显，但很容易忘记。然后就是这样的事实，即收缩和缩略词的推特很多，语言结构受到字符限制的约束，这意味着语法并不总是与语言的预期结构相匹配。
在英语中，如果您必须编写自己的代码，可以稍微简化从句子中提取名词。专有名词有首字母大写，一串这样的单词（可能包括“of”）是名词短语的一个例子。在“a / an / my / his / hers / the / this / these / these”之前的单词将是形容词或名词。不幸的是，在那之后变得更加困难。
有一些规则可以帮助识别复数，但也有很多例外。我当然在谈论英语，我非常糟糕的德语并不能帮助我理解我害怕的语法。