基于朴素贝叶斯和支持向量机分类器的斯坦福NLP核心情感分析
嗨，我是情感分析的新手，我目前正在使用StanfordNLP核心API。我能够从句子中得到情感，积极的，中立的和消极的。有什么例子我可以遵循使用不同的分类器算法提供的api，如朴素贝叶斯和支持向量机，以获得不同的情感得分比较。谢谢你。
共有1个答案
目前没有其他算法支持情感分析。然而，你可以不太困难地训练你自己：bigram的特性和一个简单的分类器对情感任务非常有效。
-
作为理解用于分类的斯坦福nlp api的一部分，我在一个非常简单的训练集（3个标签=>['快乐'、'悲伤'、'中立'])上训练朴素贝叶斯分类器。此训练数据集为
-
上例的数据格式如下： both sedentary moderate yes i100 both sedentary moderate no i100 health sedentary moderate yes i500 appearance active moderate yes i500 appearance moderate aggressive yes i500
-
还是让我们回到运动员的例子。如果我问你Brittney Griner的运动项目是什么，她有6尺8寸高，207磅重，你会说“篮球”；我再问你对此分类的准确度有多少信心，你会回答“非常有信心”。 我再问你Heather Zurich，6尺1寸高，重176磅，你可能就不能确定地说她是打篮球的了，至少不会像之前判定Brittney那样肯定。因为从Heather的身高体重来看她也有可能是跑马拉松的。 最后，
-
情感分析的目的是判断作者的态度或意见： 情感分析的例子之一是判断一篇评论是正面的还是反面的，我们可以用朴素贝叶斯算法来实现。 我们可以用Pang&Lee 2004的影评数据来测试，这份数据集包含1000个正面和1000个负面的评价，以下是一些示例： 本月第二部连环杀人犯电影实在太糟糕了！虽然开头的故事情节和场景布置还可以，但后面就…… 当我听说罗密欧与朱丽叶又出了一部改编电影后，心想莎士比亚的经典
-
我正在开发一个朴素的贝叶斯分类器使用简单的词袋概念。我的问题是，在朴素贝叶斯或任何其他机器学习中，senario'训练‘分类器是一个重要的问题。但是当我已经有了一个不同类别的词包时，如何训练朴素贝叶斯分类器呢？
-
1 介绍 朴素贝叶斯是一种构建分类器的简单方法。该分类器模型会给问题实例分配用特征值表示的类标签，类标签取自有限集合。它不是训练这种分类器的单一算法，而是一系列基于相同原理的算法：所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。 举个例子，如果一种水果其具有红，圆，直径大概3英寸等特征，该水果可以被判定为是苹果。尽管这些特征相互依赖或者有些特征由其他特征决定，然而朴素贝叶斯分类器认为