我列出了人们关注的几十个产品属性，例如
客户关于该产品的数百万条自由文本声明，例如
“融资很容易，但房屋很脆弱。”
我想根据每个自由文本语句与每个属性的相关程度，以及这是一个正面还是负面的关联来评分。
在给定的示例中，与Financing存在强烈的正相关关系，与Manufacturing quality存在强烈的负相关关系。
感觉这类问题可能是自然语言编程（NLP）的领域。然而，我花了几个小时阅读OpenNLP和NLTK之类的东西，发现有太多特定领域的术语，我无法弄清楚在哪里集中解决这个特定的问题。
所以我的三部分问题：
答案 0 :(得分：2)
您可能会发现的资源是SentiWordNet。 （http://sentiwordnet.isti.cnr.it/）这就像是一个字词的情感等级的字典。它会告诉你它认为一个词是积极的，消极的还是客观的。
然后，您可以将其与一些nltk代码结合起来，这些代码通过您的句子查找您想要将情绪与之相关联的单词。因此，您可以编写一个脚本来获取一些有意义的文本块，这些文本围绕着您正在查看的单词，可能是句子或子句级别。然后你可以通过周围的单词获得另一个东西，并从SentiWordNet获取所有的情绪分数。
我有一些旧代码可以执行此操作，如果您愿意，可以放在github上，但您仍需要自己提出SentiWordNet请求。
答案 1 :(得分：2)
我猜你的问题更多的是关联而不仅仅是分类。现在继续这个假设：
NLP是解决此类问题的正确途径吗？
是
NLP的哪个方面应该专注于学习这个特定的问题？
我有没有考虑过替代方案？
关于NLP的自动机理论的深入研究将对你有所帮助，它帮助我掌握了很多像OpenNLP这样的实现。
答案 2 :(得分：1)
是的，这是一个名为Sentiment analysis的NLP问题。情感分析是一个活跃的研究领域，具有不同的方法和许多其他NLP方法必须协同工作的任务，所以它当然不是开始使用NLP的最简单的领域。
可以在Pang & Lee (2008)中找到或多或少近期对该领域学术研究的调查。