我应该在nltk中使用哪个单词？

Question

我的目标是分析一些语料库（现在的推特）的情感内容。就在今天，我意识到搜索词干会有一点意义，而不是有一个详尽的情感词干列表。所以我一直在探索nltk.stem，只是意识到有4种不同的词干分析器。我想问一下stackoverflow语言学家，LancasterStemmer，PorterStemmer，RegexpStemmer，RSLPStemmer或WordNetStemmer最好是否有正当理由。

Answer 1

它可能与您要求的有点不同，但Nodebox Lingustics库包含一个is_emotive()函数，它似乎检查单词以查看它们是否是某些情感单词的递归上下文。来自commonsense.py

    ekman = ["anger", "disgust", "fear", "joy", "sadness", "surprise"]
    other = ["emotion", "feeling", "expression"]

不是一个干扰者，而是一个有趣的方法来检查。

Answer 2

RSLP适用于葡萄牙语。我猜你想要英语。 Regexp会要求你开发自己的词干表达式，所以我认为也可以忽略它。 WordnetStemmer要求您知道该单词的词性，因此您必须先进行pos标记才能使用它。我已经使用过移植器干扰算法并且非常好，但兰卡斯特算法更新，所以它可能会更好。您可能想尝试使用组合词干，您可以从每个词干分析器中选择最短的词干。无论如何，底线是PorterStemmer是一个很好的默认选择。