按心情调整句子

Question

让我们从一个简单的问题开始吧。假设我有一个350字母的句子，并希望将句子分成“好心情”桶或“坏心情”桶。

设计算法以解决句子的最佳方法是什么？

Answer 1

用心情对一堆句子进行手工分类。然后将它们喂入朴素的贝叶斯分类器。使用SpamBayes之类的东西作为起点。

Answer 2

一个简单/天真的建议是首先将每个句子分成单个单词，或者使用正则表达式并扫描来自“肯定”列表的特定单词（例如“喜欢”，“快乐”，“可以” ，“做”等等和“否定”列表（“不喜欢”，“悲伤”，“不能”，“不要”），制定出在每个句子中更为普遍的，并相应地进行解决。

根据您的要求和数据集，这可能已足够，或者您可能希望调查更高级的技术，例如Bayesian filtering。

Answer 3

根据句子的范围和所需的准确性，这可能是一个非常难的问题。关于情绪分析的学术论文很多;一个好的开始可能是here - 一篇简短而经典的论文。

我建议采取的步骤将逐渐导致更好更好的分类器：

1. 手动分类一些文档，并使用它们来训练现成的算法。我建议使用SVM（例如使用LibSVM in WEKA或SVMLight），但如上所述，Naive bayes或决策树也可能有效。

2. 手工分类更多文档，并从基于单字组的模型转移到更复杂的模型，例如： bigram或基于词性的。这可以通过TagHelper tools轻松完成，它将使用这些技术将您的文本转换为WEKA就绪文件。这将为每个术语的情绪添加一些背景（例如＆＃34;不＆＃34;＆＃34;坏＆＃34; vs.＆＃34;不坏＆＃34;）。

3. 最后，您可以添加自定义规则和词典，这将为您的算法添加特定于域的知识。它们可能表示为同一分类引擎的附加功能，或者作为额外的分类步骤。

Answer 4

这称为Sentiment Analysis，维基百科文章对可用技术有很好的描述。一个简单的方法是使用Google Prediction API，并用一组积极，消极和中立的情绪句子训练它。

Answer 5

您可以使用Weka工具来训练一些在您的情况下效果很好的分类器。我建议尝试J48算法，我认为这是用于训练决策树的C4.5算法的实现。

Answer 6

尝试从一堆这样的句子中学习机器。使用一些功能，例如表情符号作为情绪的指标。观察质量并添加/修改功能集。