Question

观察我们最近的调查回复。我认为这位受访者并不高兴。在这里，TextBlob会让我相信他的情绪达到了正面上限。如果我从字符串情感分数中删除“最佳”一词，则转为“0”。

你是否有助于重新灌输我对TextBlob的信任，我在这个非常简单的应用程序中做错了什么？

a = "Follow on rounds for the best prospects. Some choke to death now."
b = TextBlob(a)
print b.sentiment

情绪（极性= 1.0，主观性= 0.3）

谢谢，

Answer 1

你需要明白机器，即使在学习了很少的东西之后，也不是人。声明“关注最好的前景。现在有些人会窒息死亡。”甚至让人类识别情绪也有点混乱，因为第一和第二陈述之间的关系似乎较少或没有。

此外，您可能会看到许多其他真实情况，其中极性与非常明显的情况相反。如果您需要处理许多此类情况，您可以使用以下代码来大幅改善您的结果。

def DrawCircle():
glBegin(GL_POINTS)
for i in range(0,300,10):
    angle = 2 * 3.14 * i / 300
    x = cos(angle)
    y = sin(angle)
    glVertex3d(x, y, 0)
glEnd()

对于你的例子（我个人认为这不是一个好人，甚至对人类来说都很困惑），结果如下：
from textblob import TextBlob from textblob.sentiments import NaiveBayesAnalyzer a = "Follow on rounds for the best prospects. Some choke to death now." b = TextBlob(a, analyzer=NaiveBayesAnalyzer())) print(b.sentiment)

它仍然是积极的，但你可以看到pos和neg分数之间的差异。对我而言，大部分时间都是相关的＆amp;有意义的句子。

有关代码中更改内容的说明，请参阅以下内容：

textblob.sentiments模块包含两个情感分析实现，PatternAnalyzer（基于模式库）和NaiveBayesAnalyzer（一个在电影评论语料库中训练的NLTK分类器）。

默认实现是PatternAnalyzer，但您可以通过将另一个实现传递给TextBlob的构造函数来覆盖分析器。

TextBlob，完全不准确

1 个答案: