問題タブ [sentiment-analysis]

簡単な問題から始めましょう。350 文字のセンテンスがあり、そのセンテンスを「機嫌が良い」バケットまたは「機嫌が悪い」バケットのいずれかに分類したいとします。

文をバケット化するアルゴリズムを設計する最良の方法は何ですか?

コントローラーのupdateメソッドでViralheatのAPIを介してリクエストを送信し、ユーザーが送信ボタンを押すとアクションが完了してAPI呼び出しが行われるようにします。http://www.viralheat.com/api/sentiment/review.json?text=i&do¬&like&this&api_key=[*あなたのAPIキー* ]に投稿したい

これにより、JSONが次の形式で返されます。

コントローラメソッドの実行中にそのAPI呼び出しを同時に行うことは可能ですか？JSON応答をどのように処理しますか？どのコントローラーメソッドに入れますか？

最終的には、BrandUsersテーブルの感情列に応答ムードを保存したいと思います。送信はmain.html.erbにあり、更新メソッドを使用します。

コントローラ

liblinearアルゴリズムに関する感情分析の経験がある人。liblinear-ruby-swig gemを使用したことがある人はいますか？

まずは何か提案してください。

これは、LingPipe 機械学習ツールを使用してセンチメント分析を行うコンテキストです。大きな段落の文に肯定的/否定的な感情があるかどうかを分類する必要があります。私はLingPipeで次のアプローチを知っています

1. 極性に基づいて段落全体を分類する - 負か正か。

   ここで、文章レベルでの極性はまだわかりません。まだ段落レベルです。段落内の文が肯定的/否定的な文であるかどうかの、段落の文レベルでの極性を判断するにはどうすればよいですか? LingPipe は文が主観的か客観的かを分類できることを知っています。したがって、このアプローチを使用すると、、、、

   、、、、 するべきか

2. まず、主観的/客観的な大量の文で LingPipe をトレーニングします。

3. トレーニング済みモデルを使用して、テスト パラグラフからすべての主観的な文を抽出します。
4. ポジティブ/ネガティブとして手動でラベル付けすることにより、極性について抽出された主観的な文に基づいて LingPipe 分類子をトレーニングします。

5. 訓練された極性モデルを使用して、テストの主観的な文 (訓練された主観的/客観的な文を通過させることによって行われる) モデルをフィードし、ステートメントが肯定的か否定的かを判断しますか?

   上記のアプローチは機能しますか？上記の提案されたアプローチでは、LingPipe が極性分類のために大きなテキスト コンテンツ (段落) を受け入れることができることがわかっています。極性分類に主観的な文を 1 つ渡すだけでうまくいくでしょうか? 私は混乱しています！

企業ドメインのセンチメントがポジティブ/ネガティブに分類されているドキュメントのコーパスはどこで入手できますか? アナリストやメディアが提供する企業のレビューなど、企業のレビューを提供するドキュメントの大規模なコーパスが必要です。

商品や映画のレビューが載っているコーパスを見つけました。企業のレビューを含む、ビジネスの言語に一致するビジネス ドメインのコーパスはありますか。

Lingpipe の感情分析モジュールを使用して感情分析を実装しました。これには動的 LR モデルが使用されていることを知っています。テスト文字列が肯定的な感情か否定的な感情かを教えてくれるだけです。感情が表現されたオブジェクトを決定するために、どのようなアイデアを使用できますか?

テキストが肯定的な感情として分類されている場合、感情が表現されているオブジェクトを取得したいと思います。これは、映画の名前、製品名などです。

感情分析機能を実装しようとしていて、ツイート メッセージから抽出できる便利な機能を探しています。今のところ考えている機能は次のとおりです。

1. 感情の言葉
2. 感情アイコン
3. 感嘆符
4. 否定語
5. 激しさの言葉（とても、本当になど）

このタスクに役立つ他の機能はありますか? 私の目標は、ツイートがポジティブまたはネガティブであることを検出するだけでなく、ポジティブまたはネガティブのレベルを検出する必要もあります (0 から 100 までのスケールで言ってみましょう)。印刷された論文への入力または参照は大歓迎です。

ありがとう。

与えられたテキストのムードを予測するシステム (要するに感情分析) を開発することを計画しています。

また、apache mahout の方が好みです。これは非常に巨大なデータであり、システムはリアルタイムでスケーラブルでなければならないからです。センチメント分析に適した apache mahout が提供するアルゴリズムを教えてください。

単純ベイズ分類器をトレーニングするために、感情分析用のカスタマーサポートドメインで注釈付きデータセットを探しています。インターネット上で利用可能なそのようなデータセットはありますか？今のところ見つかりません。

これについてはどうすればよいですか。

カスタマーサポートの感情分析に単純ベイズ分類器を使用しています。しかし残念ながら、私はカスタマーサポートドメインに巨大な注釈付きデータセットを持っていません。しかし、同じドメインに少量の注釈付きデータがあります（約100個の正と100個の負）。アマゾンの商品レビューデータセットもあります。

とにかく、mahoutを使用して加重単純ベイズ分類器を実装して、カスタマーサポートデータの小さなセットとアマゾン製品レビューデータに小さな重みを与えることができますか？上記の重み付けされたデータセットのトレーニングにより、精度が大幅に向上すると思います。親切に同じことで私を助けてください。