問題タブ [sentiment-analysis]

Textual Sentiment Analysis（http://en.wikipedia.org/wiki/Sentiment_analysis ）のオープンソース実装、できればPythonでの実装を探しています。私が使用できるそのようなオープンソースの実装に精通している人はいますか？

Twitterで「youtube」などの検索用語を検索し、「幸せな」ツイートと「悲しい」ツイートをカウントするアプリケーションを作成しています。私はGoogleのappengineを使用しているので、Pythonで使用しています。Twitterから返された検索結果を分類できるようにしたいのですが、Pythonで分類したいと思います。私はこれまでそのような感情分析装置を見つけることができませんでした。特にPythonでは見つかりませんでした。私が使用できるそのようなオープンソースの実装に精通していますか？できれば、これはすでにpythonに含まれていますが、そうでない場合は、Pythonに変換できることを願っています。

注意してください、私が分析しているテキストは非常に短く、ツイートです。したがって、理想的には、この分類器はそのような短いテキスト用に最適化されています。

ところで、ツイッターは検索で「:)」と「:(」の演算子をサポートしています。これはまさにこれを目的としていますが、残念ながら、それらによって提供される分類はそれほど優れていないので、これを自分で試してみるかもしれないと思いました。

ありがとう！

ところで、初期のデモはここにあり、私がこれまでに持っているコードはここにあり、興味のある開発者と一緒にオープンソース化したいと思っています。

私は感情分析をいじっていて、シードデータを探しています。無料の辞書はありますか？

それは本当に簡単です: 「ポジティブ」、「ネガティブ」、「ニュートラル」の 3 つのテキスト/センテンス。巨大である必要はありません。

最終的には、特定のユース ケース用に独自のシード データを生成することになると思いますが、構築中に何かを試すことができれば素晴らしいと思います。

センチメント分析を開始する方法について、出発点を教えてください。

そのタスクに使用できるオープン ソース ツールをいくつか提供していただければ幸いです。

現在、私は GATE ( http://gate.ac.uk ) と RapidMiner ( http://rapid-i.com/ ) を見ていますが、私はどこにもいないと思い、始めるための基本が不足しています。これらのツール...

GATE/RapidMiner の使用経験がある人が、これらの作業を開始する方法を説明してくれると助かります。

私は、感情分析システムが実際に機能する前に、「ポジティブ」または「ネガティブ」のいずれかに分類される最初のテキストセットの必要性を説明する多くの記事を読んでいます。

私の質問は次のとおりです。「不幸」をポジティブとして分類することを避けるために、単純な否定形容詞を考慮に入れて、「ポジティブ」形容詞と「ネガティブ」形容詞の基本的なチェックを試みた人はいますか？もしそうなら、なぜこの戦略が現実的でないのかを議論する記事はありますか？

感情分析に適したPerlモジュールやJavaクラスを誰かが知っているかどうか疑問に思いました。LingPipeについて読んだことがありますが、最終的にはプログラムを商用利用する必要があるため、オープンソースの方が適しています。私もGATEを調べましたが、感情分析に関するドキュメントはせいぜいまばらです。

ポジティブな言葉とネガティブな言葉の辞書がどこで手に入るのか、誰か知っているだろうかと思っていました。私は感情分析を調べていますが、これはその重要な部分です。

私の要件は、ニュース記事を取り込み、それらが主題について肯定的か否定的かを判断することです。私は以下に概説するアプローチを取っていますが、NLPがここで役立つかもしれないと読み続けています. 私が読んだすべては、NLP が事実から意見を検出することを示していますが、これは私の場合にはあまり重要ではないと思います。私は2つのことを疑問に思っています：

1) アルゴリズムが機能しないのはなぜですか?また、どうすれば改善できますか? （皮肉はおそらく落とし穴であることは知っていますが、私たちが得るニュースの種類でそれがあまり発生しているとは思いません）

2) NLP はどのように役立ちますか? なぜ使用する必要があるのですか?

私のアルゴリズム的アプローチ (肯定語、否定語、否定語の辞書があります):

1) 記事内の肯定語と否定語の数を数える

2) 肯定語または否定語の 2 語または 3 語で否定語が見つかった場合 (つまり、最高ではない)、スコアを否定します。

3) スコアに、各単語に手動で割り当てられた重みを掛けます。(1.0 から開始)

4) ポジティブとネガティブの合計を合計して、センチメント スコアを取得します。

感情から抽出したポジティブ/ネガティブな単語を使用して、単純ベイズ分類器をトレーニングしようとしています。例：

私はこの映画が大好きです:)）

雨が降ると嫌いです:(

アイデアは、使用された感情に基づいて肯定的または否定的な文を抽出することですが、分類子をトレーニングしてデータベースに永続化するためです。

問題は、そのような文が100万を超えることです。したがって、単語ごとにトレーニングすると、データベースはトスになります。関連性のない単語の例「I」、「this」、「when」、「it」をすべて削除して、データベースクエリを実行する回数を減らしたいと思います。

この問題を解決するのを手伝って、より良い方法を提案してください

ありがとうございました

人工知能を使ったソーシャル ネットワークを計画しています。つまり、SN は会話を (英語で) 受け取り、それらを分析して、主題に関する一般的な意見を抽出します。これは、情報を収集して統計を作成するのに役立ち、適切なユーザーに送信されます。私の質問は、ソーシャルネットワークが会話から一般的な意見を抽出するのを助けるために、データベースで単語と文法規則を整理する方法です（同意する、同意しない..など）！ありがとうございました。

Gmailは、メールテキストの右側の列にいくつかの非常に優れた広告を配信します。Facebookについても同じことが言えます。Facebookに表示される広告は、多くの場合（非常に）私が興味を持っていることに関連しています。明らかに、彼らは彼らが利用できる情報を前処理します。Gmailは私のメールのテキストをスキャンし、キーワードを抽出して、関連する広告を配信します。Facebookについても同じことが言えます。彼らは彼らが利用できる多くのユーザー固有の情報を持っています。したがって、広告の推奨事項を生成する前に、すべてを前処理すると思います。

それらのシステムが使用する特定のアルゴリズムを知っている人はいますか？