我正在寻找一个开源的实现，最好是用Python编写的文本情感分析（http://en.wikipedia.org/wiki/Sentiment_analysis）。有没有人熟悉这样的开源实现可以使用？
我正在编写一个应用程序，可以搜索Twitter上的某些搜索词，比如“youtube”，并计算“开心”的推文与“伤心”的推文之间的数量差异。 我正在使用Google的App Engine，所以它是用Python编写的。我希望能够对来自Twitter的返回搜索结果进行分类，并且我希望用Python进行分类。 到目前为止，我还没有找到这样的情感分析器，特别是不是用Python编写的。 您是否熟悉这样的开源实现可以使用？最好已经是Python的，但如果不是，希望我能将其翻译成Python。
注意，我分析的文本非常短，它们是推文。因此，理想情况下，这个分类器应该针对这样的短文本进行优化。
顺便说一下，Twitter支持在搜索中使用“:)”和“:(”运算符，旨在做到这一点，但不幸的是，它们提供的分类不是很好，所以我想自己尝试一下。
谢谢！
祝你好运。
情感是极具上下文关联的，而发推文的文化使问题更加恶化，因为大多数推文都没有给出上下文。 推特的整个意义在于，您可以利用共享的“真实世界”上下文来在非常短的消息中打包有意义的通信。
如果他们说视频很糟糕，这意味着糟糕，还是非常糟糕？
一位语言学教授有一天正在向她的班级讲课。 “在英语中，”她说，“一个双重否定构成一个积极的结构。 然而，在某些语言中（例如俄语），双重否定仍然是否定。 不过，没有任何一种语言可以通过双重肯定来表示否定。”
教室后面传来一个声音，“是啊……对啊。”
对于这种应用程序，您将不得不自己编写大部分用于统计分类任务的代码。正如Lucka所建议的那样，NLTK是Python自然语言处理的完美工具，只要您的目标不会影响其许可证的非商业性质。但是，我建议使用其他软件包进行建模。我没有发现很多强大的高级机器学习模型适用于Python，因此我将建议一些独立的二进制文件，这些文件可以轻松地与Python合作。
您可能会对高级辨别建模工具包感兴趣，它可以很容易地与Python进行交互。 这已经被用于自然语言处理的各个领域的分类任务中。 您还可以选择多种不同的模型。 我建议从最大熵分类开始，只要您已经熟悉实施朴素贝叶斯分类器。 如果不熟悉，请查看并编写代码，以真正理解统计分类作为机器学习任务。
德克萨斯大学奥斯汀分校的计算语言学小组举办了许多课程，其中大多数项目都使用了这个非常好的工具。 您可以查看计算语言学II课程页面，了解如何使其工作以及它之前使用的应用程序。
另一个在同一领域工作的优秀工具是Mallet。 Mallet的区别在于有更多文档和一些其他模型可用，例如决策树，并且它是Java编写的，这使得它稍微慢一些。 Weka是一个包含各种机器学习模型的整个套件，包括一些图形化内容，但实际上主要用于教学目的，不适合投入生产。
祝你任务顺利。实际上最困难的部分可能是需要大量的知识工程来分类“种子集”，从而让你的模型进行学习。这个种子集需要非常大，具体取决于你是进行二分类（开心 vs 沮丧）还是一整个情感范围（会需要更多）。一定要留一些数据用于测试，或者进行十倍交叉验证或移除一个测试来确保你能够准确地预测。最重要的是，玩得开心！在我看来，这是NLP和AI中最好的部分。
我已经构建了一个标记有情感的词汇表。你可以从这里访问：
http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6010/zip/imm6010.zip
你可以在我的博客上找到一个简短的Python程序：
http://finnaarupnielsen.wordpress.com/2011/06/20/simplest-sentiment-analysis-in-python-with-af/
这篇文章展示了如何使用单个句子以及Twitter来使用这个词汇表。
词汇表方法有其局限性。你可以在文章“新的ANEW：微博情感分析的词汇表评估”中了解有关我的词汇表限制的调查。这篇文章可以从我的主页获取。
请注意，代码中缺少unicode(s, 'utf-8')（出于教育目的）。
现在，这么说吧，情感是领域特定的，您可能会发现使用通用数据集难以获得高精度。
祝你好运。
我认为你可能会发现很难找到你需要的东西。 我知道的最接近的是LingPipe，它具有一些情感分析功能，并且是根据一种有限的开源许可证提供的，但是该软件是用Java编写的。
此外，情感分析系统通常是通过训练一个基于产品/电影评论数据的系统来开发的，这与普通的推文数据显着不同。它们将优化针对几个句子的文本，所有内容都关于同一个主题。我怀疑你最好自己设计基于规则的系统，也许可以基于情感术语词汇表，例如匹兹堡大学提供的词汇表。
请查看We Feel Fine以获取类似的想法实现及其漂亮的界面（还有Twitrratr）。
有一个由TweetFeel提供的Twitter情感API，可以进行高级语言分析并检索积极/消极的推文。请参见http://www.webservius.com/corp/docs/tweetfeel_sentiment.htm
