TextBlob如何计算情感极性？如何使用机器学习分类器计算情感价值？

Question

TextBlob如何计算情感极性的经验值。我使用过朴素的贝叶斯，但它只是预测它是正面还是负面。如何像TextBlob一样为情感计算值？

Answer 1

以下是该网站的一个示例：https://textblob.readthedocs.io/en/dev/quickstart.html#sentiment-analysis

text1 = TextBlob("Today is a great day, but it is boring")
text1.sentiment.polarity
# You can derive the sentiment based on the polarity.

这是我如何在推文情感中使用TextBlob的示例代码：

from textblob import TextBlob
### My input text is a column from a dataframe that contains tweets. 

def sentiment(x):
    sentiment = TextBlob(x)
    return sentiment.sentiment.polarity

tweetsdf['sentiment'] = tweetsdf['processed_tweets'].apply(sentiment)
tweetsdf['senti'][tweetsdf['sentiment']>0] = 'positive'
tweetsdf['senti'][tweetsdf['sentiment']<0] = 'negative'
tweetsdf['senti'][tweetsdf['sentiment']==0] = 'neutral'

基于极性和句子的发音，我得出了上面的逻辑。请注意，某些推文可能并非如此。

我个人发现vader情绪的复合分值更有意义，因此我可以根据复合分值和tweet文本确定积极，消极和中性情绪的范围，而不仅仅是为带有极性的所有文本分配暂定情绪> 0

Answer 2

您的问题需要更清楚。您是在谈论创建自己的代码库来计算情感吗？

TextBlob执行NLP任务，例如令牌化，情感分析，POS标记等。 有关如何计算情感极性和主观性，请参见source code。

您可以使用TextBlob或Vader计算情感。根据极性和主观性，您可以确定它是正面文字还是负面文字或中性文字。对于TextBlog，如果极性> 0，则将其视为正极，将<0-视为负极，并将== 0视为中性。对于vader情绪，这是基于综合得分。

然后，根据您的情绪（积极，消极，中立）训练分类器，并进行预测。