使用样本数据或Web服务的句子NLTK python的情感分析？

Question

我正在着手NLP项目进行情绪分析。

我已经成功安装了Python的NLTK（看起来像是一个很棒的软件）。但是，我很难理解如何使用它来完成我的任务。

这是我的任务：

1. 我先从一个较长的数据块（可以说几百微博对英国大选的从他们的web服务对象）
2. 我想打破这件事（或信息不超过100个字符）（我想我可以在python中做这个）？
3. 然后搜索该句子中特定实例的所有句子，例如“戴维·卡梅伦”
4. 然后我想在每个句子检查正/负面情绪，因此指望他们

注：我不是真的担心太多的准确性，因为我的数据集都很大，也不要过分担心讽刺。

下面是我遇到的麻烦：

1. 所有数据集，我可以找到例如NLTK附带的语料库电影评论数据不在web服务格式中。看起来这已经完成了一些处理。据我所见，处理（斯坦福）是通过WEKA完成的。 NLTK不可能自己做这一切吗？这里所有的数据集已经被组织成正/负例如极性数据集http://www.cs.cornell.edu/People/pabo/movie-review-data/这是如何完成的？ （通过情绪组织句子，这绝对是WEKA？还是别的吗？）

2. 我不确定我理解为什么WEKA和NLTK会一起使用。看起来他们做同样的事情。如果我先用WEKA处理数据以找到感情，为什么我需要NLTK？有没有可能解释为什么这可能是必要的？

我发现有几个脚本可以接近此任务，但都使用相同的预处理数据。是不是可以自己处理这些数据来找到句子中的情感，而不是使用链接中给出的数据样本？

任何帮助非常感谢，并会节省我很多头发！

干杯柯

Answer 1

电影审查数据已经被打上了人类为阳性或阴性（谁提出进行审查的人给了电影是用来确定极性评级）。这些黄金标准标签允许您培训分类器，然后您可以将其用于其他电影评论。您可以使用该数据在NLTK中训练分类器，但将结果应用于选择推文可能不如随机猜测正面或负面的准确。或者，您可以自行将几千条推文标记为正面或负面，并将其用作您的训练集。

对于使用朴素贝叶斯与NLTK情感分析的描述：

然后在该代码的http://streamhacker.com/2010/05/10/text-classification-sentiment-analysis-naive-bayes-classifier/，而是采用了电影的主体，使用自己的数据来计算字计数（在word_feats方法）。

Answer 2

为什么不使用WSD。使用消歧工具来查找感官。并且使用地图极性来代替单词。在这种情况下，与字索引极性相比，您将获得更精确的结果。