我需要使用Stanford NLP工具对有关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感分析，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Apple，我想知道有关Apple的新闻文章的情绪。
只计算我文章中句子的平均值不会。例如，我可能会有一篇文章说＆＃34; Apple非常擅长这个，而且这个和那个。虽然谷歌产品因这些原因非常糟糕而且＃34;这样的文章会使用句子的平均分数来产生中性分类，而实际上这是一篇关于Apple的非常积极的文章。
另一方面，过滤我的句子只包括含有Apple这个词的那些句子会错过＆＃34; Apple的产品A的文章非常好。但是，它缺乏以下关键特征：......＆＃34;。在这种情况下，如果我只使用包含单词Apple的句子，则第二句的效果将会丢失。
是否有解决此类问题的标准方法？ Stanford NLP是否是实现目标的错误工具？
答案 0 :(得分：4)
更新：你可能想要调查一下 http://blog.getprismatic.com/deeper-content-analysis-with-aspects/
这是一个非常活跃的研究领域，所以很难找到一个现成的工具来做到这一点（斯坦福CoreNLP至少没有建立任何东西）。一些指示：研究基于方面的情绪分析。在这种情况下，Apple将是一个“方面”（不是真的，但可以这样建模）。安德鲁麦卡勒姆在麻省大学的团队，刘冰冰的UIC小组，康奈尔大学的NLP小组等人都在解决这个问题。
如果你想快速修复，我建议从提及Apple及其产品的句子中提取情绪;使用coref（查看Stanford CoreNLP中的dcoref注释器），这将增加句子的回忆并解决句子问题，如“但是，它缺乏......”。