我正在分析社交网络上的情绪。基于不同的主题关系作为输入。我们如何处理个别主题分数的分散？
例如：我们正在尝试对主题进行评分，该主题是包含不同关键字的事件，让我们说主题是创新周，其中包含以下主题（关键字或同义词） ）：
Innovation week = {"innovation week", "data solution", "emerging technologies", "august 30"...}.
如果分数的标准偏差如此之大，该怎么办？ 我们是否提问：
情感分析算法本身？
我们的输入关键字？
或者我们只是按原样取得结果？因为它们代表了构成主题的不同粒度级别的人们的不同观点？最终目的是对主题有一个全面的了解。
我认为问题很简单，尽管这是社交网络中任何情绪分析研究的一个问题。
答案 0 :(得分：1)
简短的答案是算法和输入关键字，因为它们相互依赖。 给定正确的输入，在任何算法中，色散都会增加，并且如果给出错误的算法，任何输入都会发生相同的输入。
通常在这种情况下，您应该修改算法，因为在大多数情况下就是这种情况。
您还可以阅读本文以便更好地理解它： http://www.cs.cornell.edu/home/llee/omsa/omsa-published.pdf
答案 1 :(得分：1)
如果您对算法不确定，可以使用NLTK Vader Sentimenter检查结果。但可能答案是如此不同，以至于标准偏差分数如此之大。
您是否有测试数据来测试您的算法？如果不是，你无论如何都要测量算法的标准测量值。