使用LingPipe进行分层情感分析

Question

这是在使用LingPipe机器学习工具进行情绪分析的背景下。如果一个段落中的句子具有正面/负面情绪，我必须进行分类。我在LingPipe中了解了以下方法

1. 如果完整段落基于其极性 - 负面或正面进行分类。

   在这里，我还不知道句子级别的极性。我们仍处于段落级别。如何确定段落句子级别的极性，段落中的句子是否为正/负句子？我知道LingPipe能够对句子是否主观/客观进行分类。所以使用这种方法,,,,

   ,,,,我应该

2. 首先在一大堆主观/客观的句子上训练LingPipe。

3. 使用训练过的模型从测试段落中提取所有主观句子。
4. 根据提取的极性主观句，通过手动将其标记为正/负来训练LingPipe分类器。

5. 现在使用经过训练的极性模型并提供一个测试主观句（通过传递一个句子通过训练的主观/客观）模型，然后确定该陈述是否为正/负？

   上述方法是否有效？在上面提出的方法中，我们知道LingPipe能够接受用于极性分类的大文本内容（段落）。如果我们只是通过一个主观句来进行极性分类，它会做得好吗？我很困惑！

Answer 1

您可能希望了解文献中的多级分析方法，例如

Li，S.，et al。 （2010年）。 “利用文献情感分析的综合多层次模型”，2010年国际模式识别大会。

Yessenalina，A.，et al。 （2010年）。 “文档级情感分类的多层次结构化模型”，2010年自然语言处理经验方法会议论文集，第1046-1056页，麻省理工学院，美国马萨诸塞州，2010年10月9日至11日。

多层次分析方法在信息检索中非常普遍，如向量空间相似性搜索的内容索引。

Ling Pipe这样的环境是开始使用的好方法，但最终你需要使用更低级别，更精细的工具，例如yura建议。

Answer 2

包括lingpipe在内的大多数机器扫描库都是基于行的（具有平面特征的对象）。因此，如果您想对它进行一些分层分类，您应该对数据进行denormolize。例如，您可以在相同的功能集中具有paragrahp和句子的功能。如果您只使用单词分类，则可以创建PARGRAPH_WORDX = true，SENTENCE_WORDX = true等功能。 其他一些工具包允许你用非规范化来表达你的模型，所谓的图形模型例子是CRF，ACRF，马尔可夫模型等你可以在槌和Factorie中找到的实现。