如何在blob中计算情绪分析

Question

我使用以下内容来计算200个短句的情绪。我没有使用训练数据集：

for sentence in textblob.sentences: print(sentence.sentiment)

分析返回两个值：极性和主观性。 根据我在网上看到的，极性分数是在[-1.0,1.0]范围内的浮点数，其中0表示中性，+1表示非常积极态度，-1表示非常消极态度。主观性是在[0.0,1.0]范围内的浮点数，其中0.0是非常客观的，1.0是非常主观的。

所以，现在我的问题是：这些分数是如何计算的？

对于几乎一半的短语的极性分数，我有一些零，我想知道零是否表示中立，或者更确切地说这个短语不具有极性词的事实。 我想知道另一个情绪分析器的相同问题：NaiveBayesAnalyzer。

感谢您的帮助！
玛丽

Answer 1

TextBlob NaiveBayesAnalyzer显然是基于斯坦福NLTK。这里解释了朴素贝叶斯算法： A simple explanation of Naive Bayes Classification

这里描述了它对情感和客观性的应用： http://nlp.stanford.edu/courses/cs224n/2009/fp/24.pdf

基本上你是对的，某些单词的标签类似于＆＃34; 40％正面/ 60％负面＆＃34;根据他们如何在一些训练数据中使用（对于斯坦福大学NLTK，训练数据是电影评论）。然后将句子中所有单词的分数相乘以产生句子分数。

我还没有经过测试，但我希望如果该库正好返回0.0，那么你的句子不包含任何在NLTK训练集中具有极性的单词。我怀疑研究人员并没有将它们包括在内，因为1）它们在训练数据中太少了，或者2）它们被认为是没有意义的（例如＆＃34;＆＃34;，＆＃34; a＆＃34 ;，＆＃34;和＆＃34;等。）。

这适用于朴素贝叶斯分析仪。关于PatternAnalyzer，TextBlob文档说它基于＆＃34;模式＆＃34;图书馆，但它似乎没有记录它是如何工作的。我怀疑发生了类似的事情。

Answer 2

根据TextBlob创建者Steven Loria，TextBlob的情感分析器将委托给pattern.en的情感模块。 Pattern.en本身使用基于字典的approach，其中包含一些启发式处理，例如否定。您可以找到源here，它是pattern.en的文本模块的供应商版本，并对Python 3兼容性进行了一些细微调整。