Từ điển phân tích ý kiến ​​

Question

Tôi đã tự hỏi liệu có ai biết nơi tôi có thể có được từ điển các từ tích cực và tiêu cực. Tôi đang xem xét phân tích tình cảm và đây là một phần quan trọng của nó.

Answer 1

Sentiment Lexicon, tại Đại học Pittsburgh có thể là những gì bạn đang làm sau. Đó là một từ vựng của khoảng 8.000 từ với tâm lý tích cực/trung lập/tiêu cực. Nó được mô tả chi tiết hơn trong this paper và được phát hành theo GPL.

Answer 2

This paper from 2002 mô tả thuật toán tự động lấy từ điển từ mẫu văn bản, chỉ sử dụng hai từ làm tập hợp hạt.

Answer 3

Đến trễ một chút Tôi sẽ chỉ lưu ý rằng các từ điển có đóng góp hạn chế trong phân tích tình cảm. Một số câu mang ý kiến ​​tình cảm không chứa bất kỳ từ "tình cảm" nào - ví dụ: "đọc sách" có thể tích cực trong bài đánh giá sách trong khi phủ định trong bài đánh giá phim. Tương tự, từ tình cảm "không thể đoán trước" có thể là tích cực trong bối cảnh của một bộ phim kinh dị nhưng tiêu cực khi mô tả hệ thống phá vỡ của Toyota.

và có rất nhiều ...

Answer 4

Giáo sư Bing Liu cung cấp một Lexicon tiếng Anh của khoảng 6800 từ, bạn có thể tải về hình thức liên kết này: Opinion Mining, Sentiment Analysis, and Opinion Spam Detection

Answer 5

AFINN bạn có thể tìm thấy ở đây và cũng có thể tạo ra nó tự động. Giống như bất cứ khi nào không biết từ + ve đến, hãy thêm nó bằng +1. Giống như chuối là new + ve word và xuất hiện hai lần thì nó sẽ trở thành +2.

Vì nhiều bài viết và dữ liệu bạn thu thập từ điển của bạn sẽ trở nên mạnh mẽ hơn!

Answer 6

Niềm tin Phân tích (Opinion Mining) lexicons

• MPQA Subjectivity Lexicon
• Bing Liu and Minqing Hu Sentiment Lexicon
• SentiWordNet (Bao gồm trong NLTK)
• VADER Sentiment Lexicon
• SenticNet
• LIWC (not free)
• Harvard Inquirer
• ANEW

---

Nguồn:

• Keenformatics - Sentiment Analysis lexicons and datasets (blog)
• Hutto, C. J., and Eric Gilbert. "Vader: A parsimonious rule-based model for sentiment analysis of social media text." Eighth International AAAI Conference on Weblogs and Social Media. 2014.
• Sentiment Symposium Tutorial by Christopher Potts
• kinh nghiệm cá nhân

Answer 7

Các Harvard-IV thư mục từ điển http://www.wjh.harvard.edu/~inquirer/homecat.htm có ít nhất hai bộ từ điển sẵn sàng để sử dụng cho định hướng tích cực/tiêu cực.

Answer 8

Bạn có thể sử dụng Vader tình cảm từ vựng

from nltk.sentiment.vader import SentimentIntensityAnalyzer 

sentence='APPle is good for health' 
sid = SentimentIntensityAnalyzer() 
ss = sid.polarity_scores(sentence) 
print(ss) 

nó sẽ cung cấp cho bạn sự phân cực của câu.

đầu ra:

{'compound': 0.4404, 'neu': 0.58, 'pos': 0.42, 'neg': 0.0}