Twitter在Python中的情感分析

Question

我正在寻找 文本情感分析
（http://en.wikipedia.org/wiki/Sentiment_analysis）的开源实现，最好是python
。有谁熟悉我可以使用的开源实现？

我正在编写一个应用程序，该应用程序在Twitter上搜索某个搜索词，例如“
youtube”，并计算“快乐”推文与“悲伤”推文的数量。我正在使用Google的appengine，所以它在python中。我希望能够对来自Twitter的返回搜索结果进行分类，并且希望在python中进行分类。到目前为止，我还没有找到这样的情感分析器，特别是在python中。您熟悉我可以使用的这种开源实现吗？最好是已经在python中了，但是如果没有，希望我可以将其翻译成python。

请注意，我正在分析的文本非常简短，它们是推文。因此，理想地，此分类器针对此类短文本进行了优化。

顺便说一句，twitter确实在搜索中支持“ :)”和“
:(”运算符，其目的只是为了做到这一点，但是不幸的是，它们提供的分类并不是那么好，所以我想自己可以尝试一下。

谢谢！

BTW，早期的演示是在这里和我至今的代码是在这里，我很愿意和任何有兴趣的开发者开源它。

Answer 1

对于大多数这类应用程序，您必须投放大量自己的代码来进行统计分类任务。正如Lucka所建议的那样，只要您的目标不干扰其许可证的非商业性质，NLTK就是在Python中进行自然语言操作的理想工具。但是，我建议使用其他软件包进行建模。我还没有找到许多可用于Python的强大高级机器学习模型，因此我将建议一些易于与Python配合使用的独立二进制文件。

您可能对Advanced Discriminative
Modeling的工具包
感兴趣，该工具包可轻松与Python交互。这已用于自然语言处理各个领域中的分类任务。您还可以选择许多不同的模型。我建议从最大熵分类开始，只要您已经熟悉实现朴素贝叶斯分类器即可。如果不是这样，您可能需要对其进行研究并进行编码，以真正真正地了解作为机器学习任务的统计分类。

得克萨斯大学奥斯汀分校的计算语言学小组开设了课程，其中大多数项目都使用了这一出色的工具。您可以查看Computational Linguistics
II的课程页面，以了解如何使其工作以及它以前服务于哪些应用程序。

同样有用的另一个很好的工具是Mallet。Mallet之间的区别是，有更多的文档和更多可用的模型，例如决策树，并且它是Java编写的，我认为这会使它变慢一些。
Weka是一个大包装中的一整套整套不同的机器学习模型，其中包含一些图形化内容，但实际上主要是出于教学目的，并不是我真正要投入生产的东西。

祝您工作顺利。真正困难的部分可能是您需要预先进行知识工程的数量，以便您对模型将要学习的“种子集”进行分类。它需要相当大，这取决于您是在进行二进制分类（快乐还是悲伤）或整个情绪范围（这将需要更多）。确保保留一些工程数据以进行测试，或者运行十倍测试或删除一项测试，以确保在将数据发布之前，您实际上在预测方面做得很好。最重要的是，玩得开心！我认为，这是NLP和AI的最佳部分。