在进行情感分析时，我该如何让机器理解我所指的是苹果公司（iPhone），而不是苹果这种水果？
谢谢您的建议！
4个回答
4
嗯，有几种方法，我会从检查大写字母开始，通常在涉及姓名时，第一个字母是大写的。
在进行情感分析之前，我会使用一些词性标注和命名实体识别来标记相关单词。
Stanford CoreNLP 是一个很好的文本分析项目，它将教你基本概念。
CoreNLP 的示例：
您可以看到标记如何帮助您。
并且请查看更多信息
- Ofiris
3
非常感谢您的指导，Ofiris。我会认真学习的。非常感谢！ :) - pekky
嗯，我读了关于nltk的文章..被认为是最好的？我明白了..我正在使用Python进行产品品牌的Twitter情感分析。在编程方面不是很强。感谢您的指导。有效的方法是执行POS标记和命名实体识别以过滤掉无关的推文，然后使用朴素贝叶斯分类器进行分类？我发现许多文章都采用不同的方法来做这件事，但我有点困惑.. - pekky
顶级NLTK问题，希望这能帮助您了解基本的方法。 - Ofiris
3
如Ofiris所描述，命名实体识别(NER)只是解决您问题的一种方法。我认为使用单词嵌入来代表您的单词更加有效。这样机器就可以自动识别单词的上下文。例如，“苹果”大多与“吃”一起出现，但如果给定输入“苹果”与“手机”或该领域中的任何其他单词一起出现，机器将理解它是“iPhone苹果”而不是“苹果水果”。生成单词嵌入的两种流行方法是word2vec和fasttext。 Gensim提供了更可靠的word2vec和fasttext实现。
https://radimrehurek.com/gensim/models/word2vec.html
https://radimrehurek.com/gensim/models/fasttext.html
- Lahiru
0
这个问题已经被许多开源的预训练NER模型解决了。无论如何，您可以尝试重新训练现有的NER模型，以微调它们来解决此问题。 您可以在Spacy NER 这里找到一个NER结果的演示。
- Mousam Singh
0
在处理日期、知名品牌、vip或历史人物时，可以使用命名实体识别算法（Named Entity Recognition，NER）；在这种情况下，正如Ofiris建议的那样，Stanford CoreNLP提供了一个很好的命名实体识别器。
对于多义词的更普遍消歧（即，具有多个意义的词，例如“好”），您可以使用词性标注器结合词义消歧（Word Sense Disambiguation，WSD）算法。后者的示例可以在此处找到，但我不知道是否有任何可免费下载的库可用于此目的。
- user5135328
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接