我正在使用Watson / Alchemy情感分析API，并发现一些文章被标记为否定，当文章可以说是积极的。当文章讨论好的或有益的减少时会发生这种情况。
例如，this Washington Post article，“我们在美国的枪支暴力事件大幅下降。这就是原因。”当提交给API时，它会返回-0.4的分数，即使该文章非常乐观！ （文章认为枪支暴力行为显着下降。）
另一个例子是this article from CoreLogic，“CoreLogic在2016年1月报告了38,000个已完成丧失抵押品赎回权。”即使文本是正面的，API也会返回-0.27的文档情绪分数：“...止赎库存下降了21.7％，完成止赎比2015年1月下降了16.2％。全国已完成取消抵押品赎回权的数量逐年减少年从2015年1月的46,000增加到2016年1月的38,000。“
是否有解决此问题的既定解决方法？具体来说，我们不希望损害服务的可信度，因此当细心的读者评估这些文章的情绪时，我们的结果与API建议完全不同。我正在寻找能够修改特定案件情绪结果的东西（例如“取消抵押品赎回权的减少”是正面的，“杀人案减少”也是如此）。
答案 0 :(得分：1)
我认为这很正常:-)非常罕见的情绪分析算法可以在100％的结果中给你正确的答案:-)我不知道算法实现，但我的赌注是情绪是根据表达和词语的“情绪”计算出来的。例如，大多数可能是“枪支”，“暴力”可能与消极情绪有关，但沃森可能未能理解他们与“大幅下降”有关（即使“下降”也可能有负面情绪）。
即使是最先进的情感分析算法，对于非常特定的领域，也可以达到约85％~90％的准确率。因此，根据这一点设定您的期望始终很重要。