有没有人使用stanford的CoreNLP在Spark中进行情绪分析？ 它没有按预期工作，或者我需要做一些我不知道的工作。
以下是示例。
1）。我期待着与大会所管辖的州的孩子们进行互动。 - 积极 2）。我期待与国会管辖的国家的CM进行互动。 - NEGETIVE（CM是首席部长）
请注意这里的一个词的变化。孩子们 - ＆gt;厘米 声明2不是negetive，但coreNLP标记为negetive。 我需要做些什么才能让它按照预期的方式工作？需要进行任何改动吗？如果我需要插入任何自定义代码，请告诉我。 如果您对此有所了解，请提出建议。 另外，建议是否还有其他更好的替代coreNLP。
感谢。 拉夫
答案 0 :(得分：0)
情感模型依赖于语句中所有单词的嵌入。如果你改变一个单词，你可以从根本上改变它得到的分数。事实上，机器学习研究的整个领域正在分析这样的情况，在这种情况下，你可以做出不影响人类判断/感知但却从根本上改变学习模型选择的变化。例如，在视觉问题中，有一些方法可以改变人类难以察觉的图像，但会欺骗训练有素的模型。
重要的是要记住，虽然神经网络可以做出令人印象深刻的事情，但它并不是人类思维的完美复制。在过去的一年中，有很多这样的例子已经呈现给我，所以显然存在一些不足之处。