問題タブ [sentiment-analysis]

日本語、中国語、ドイツ語などの英語以外の言語の感情分析をしようとしています。これらの言語のドキュメントを英語に翻訳できる機械翻訳者がいるかどうか知りたいです。私は Java で作業しているので、API またはツールを呼び出すことができるはずです。私はGoogleの翻訳者APIを使用しているので、それ以外のものを提案してください.

意見マイニング/感情分析は、自然言語処理のやや最近のサブタスクです。テキスト分類と比較するものもあれば、より深いスタンスをとるものもあります。感情分析（意見マイニング）で最も難しい問題についてどう思いますか？いくつか挙げていただけますか？

ソーシャル メンションと呼ばれるこのサイトに出会い、このようなアプリケーションがどのように機能するのか興味があります。

1. 検索結果を見ると、Facebook、Twitter、Google から結果を取得していることに気付きました。

2. ポイント 1 で述べたことがおそらく正しいとすれば、それは、ドキュメント/リンクのリターンに対するセンチメント分析もオンザフライで行われるということですか? それはあまりにも計算集約的ではないでしょうか? センチメント以外に、ドキュメント セットのトップ キーワードも返されるので興味深いです。

3. 彼らには「トレンド」と呼ばれるものがあります。それらは twitter のトレンディング トピックのように見えましたが、3 語を超えるフレーズも含まれているようです。これは nlp のエンティティ抽出に関連していますか、それともキーフレーズ抽出に関連していますか? これを提供するTwitter以外のAPIはありますか？「傾向」は通常、ユーザーが送信した検索クエリに対して行われますか?それとも、システムが実際にページを処理しますか?

好奇心旺盛な男。

できればPHPで感情分析スクリプト/ソースコードを探しています。そのようなスクリプトを知っていますか? ありがとう、サミール

感情分析に関して、助けが必要な質問があります。

現在、Twitterの検索APIを介して収集したツイートがたくさんあります。検索用語を使用したので、見たいサブジェクトまたはエンティティ（人名）がわかります。他の人がこれらの人々についてどのように感じているか知りたいです。

手始めに、既知の価数/感情スコアを持つ英語の単語のリストをダウンロードし、ツイートでのこれらの単語の可用性に基づいて感情（+/-）を計算しました。問題は、感情がこのように計算されていることです。私は実際には、その人についてではなく、ツイートのトーンに注目しています。

たとえば、私はこのツイートを持っています：

メッセージは明らかにポジティブなトーンですが、Aさんはネガティブになるはずです。

感情分析を改善するために、単語リストの否定と修飾子を考慮に入れることができます。しかし、代わりにメッセージの件名（および場合によっては皮肉）を調べるために、感情分析をどのように正確に取得できますか？

誰かが私をいくつかのリソースに向けることができれば素晴らしいと思います。

私は Java プログラムを作成しており、テキストの小さなチャンク (3 ～ 4 センテンス、言い換えられたニュース記事) の感情を分析する必要があります。記事が一般的に肯定的か、否定的か、中立的かを知る必要があるだけです。

たとえば、次のような場合は、理想的にはポジティブに分類されます。

AmazonのKindle電子書籍の売り上げが急増。Amazon.com によると、Kindle 電子書籍端末向けの電子書籍の販売数は、ペーパーバックとハードカバーの印刷版を合わせた数より多いという。

私が必要とするのは、プログラムで使用できる非常にシンプルで迅速に実装できるサードパーティのソリューションだけです。常に完全に正確である必要はありません。ライセンスなどは、ソリューションを追跡できる限り問題ではありません。

これまでのところ、潜在的に優れた解決策であるAlchemyAPIを見つけましたが、実際に使用するのに苦労しています。

誰かが以前にこの問題に遭遇したことがあり、特に優れた/簡単な解決策、または本当に優れたチュートリアルを知っている場合、私は非常に感謝しています:-)

（また、この質問にコードがないことをお詫びします。）

インタラクティブシステムでいくつか質問する必要があり、ユーザーは応答として何でも自由に入力できます。私はそれがポジティブ（はい）かネガティブ（いいえ）かを回答から結論付けなければなりません。数か月前に出席したいくつかのプレゼンテーションで、まったく同じ仕事をする特定のワードネットのライブラリ（ワードネット自体ではない）が存在することを理解しましたが、それが何であったかを忘れてしまいました。誰か知っていますか？そうでない場合は、同じ結果を達成するためのいくつかの代替案を提案できますか？

前もって感謝します

感情分析のために単純ベイズ分類器を実装しようとしています。TF-IDF 重み付けメジャーを使用する予定です。私は今ちょっと立ち往生しています。NB は通常、単語 (機能) の頻度を使用して最尤法を見つけます。では、ナイーブ ベイズに TF-IDF 重み付け測定を導入するにはどうすればよいでしょうか。

I am looking for a tool that can analyze the emotion of short texts. I searched for a week and I couldn't find a good one that is publicly available. The ideal tool is one that takes a short text as input and guesses the emotion. It is preferably a standalone application or library.

I don't need tools that is trained by texts. And although similar questions are asked before no satisfactory answers are got.

I searched the Internet and read some papers but I can't find a good tool I want. Currently I found SentiStrength, but the accuracy is not good. I am using emotional dictionaries right now. I felt that some syntax parsing may be necessary but it's too complex for me to build one. Furthermore, it's researched by some people and I don't want to reinvent the wheels. Does anyone know such publicly/research available software? I need a tool that doesn't need training before using. Thanks in advance.

質問は漠然としているかもしれませんが、できるだけうまく言葉で表現しようとします。

そこで、センテンス (レビュー スニペットの一部) がポジティブかネガティブかニュートラルかを計算する大雑把なアルゴリズムを思いつきました (このセンテンスを EQ と呼びましょう)。したがって、5 つの文については、[-100, 100] に基づいて文の評価を行います。レビューは [0, 5] 基準で評価する必要があります

(0, 39.88) (1, 73.07) (2, 69.65) (3, 51.43) (4, 76.74)

私が苦労している選択は、レビュー スニペットの総合評価を計算するためにどの方法を選択すべきかということです。

少し調べて、2つのオプションを試しました

1) 50% パーセンタイル: 上記のデータ ポイントについては、70 としました。したがって、0 ～ 5 スケールでマッピングすると、4.2 になります。結果は良好ですが、残念なことに、パーセンタイルでは、スニペット内の EQ が文ごとにどのように変化したかを把握できません (並べ替えられたデータで機能するため、変化が失われるため)。2) ラグランジュ多項式: ここでは 69 に近づきました。しかし、このアプローチの問題点は、X 範囲の中間 (この場合は 2) で計算することが多いため、これも EQ の変動を捉えていないことです。文の（ここではエンドポイントは重要ではありません。ほとんどの場合、中間値が得られます）。

スニペットの EQ バリエーションをキャプチャし、全体的な感情を取得するために使用できる適切な値を与えることができる方法を選択する必要があります。

おそらくExcelのようなものがトレンドラインを引き、使用できる可能性があります??