senti-wordnet

    1热度

    1回答

    我对我已经获取的一组Twitter数据执行不同的情感分析技术。它们基于词典(Vader Sentiment和SentiWordNet),因此不需要预先标记的数据。 我想知道是否有方法(如F-Score,ROC/AUC)来计算分类器的准确性。我所知道的大多数方法都需要一个目标来比较结果。

    1热度

    1回答

    我与sentiwordnet部分的词性,其中我试图总结到找到网情绪刑期的列表: from nltk.corpus import sentiwordnet as swn, wordnet score = 0 for term in terms: try: term = swn.senti_synset(term) except Wor

    1热度

    1回答

    我想为我的项目使用SentiWordNet,我无法弄清楚感知号是做什么的?这里是SentiWordNet的单词列表的一部分; POS ID PosScore NegScore SynsetTerms光泽 一个00002730 0 0 acroscopic#1面或上侧朝向顶点 一个00002843 0 0 basiscopic#1面或朝向底部的侧 a 00003829 0.25 0分娩#2分娩; “

    0热度

    1回答

    我想对文档层面进行情感分析。但我试图做情绪分析尼泊尔。所以,我没有任何资源。我不能做朴素贝叶斯分类器,因为我没有任何标签数据,因为没有尼泊尔字网存在,所以我不能做wordnet。我阅读的论文一般都会为其他语言标记数据或senti-wordnet。 我想知道这些事情: 我应该在上述情况下使用哪种方法进行情感分析? 有没有什么方法可以为数据动态生成标签?

    -1热度

    1回答

    我有一个像'老师','教授,'讲师'这样的单词列表,我想在我的列表中找到所有这些相似的含义单词,并将它们计入教师类别下。而且我有许多这样的不同类别。我可以如何在python中找到相似的含义词?任何想法 ?以前我只是用文字搜索,如: def Make_cluster(title,w1,w2,w3,w4,w5,w6): try: print(title," ******") c

    0热度

    1回答

    有没有一种方法,我可以从事与TextBlob情绪分析,自然语言处理,使用Sentiwordnet,因为它的语料数据库? 目前,我相信TextBlob使用其他语料库数据库从download_corpora.py做情感分析,但我不知道实际被用于分析哪些。 (我知道我可以使用NLTK,但我觉得TextBlob更强大,因为它调用NLTK)

    1热度

    1回答

    我正在研究使用SentiwordNet3词库的情感分析项目。问题是,我无法理解词汇的结构。此词典中的一个线是: 一个00002730 0 0 acroscopic#1面或上侧朝向顶点 1.a =? a的用途? 2.POS-ID=00002730。 POS-ID的目的是什么? SynsetTerms Gloss = acroscopic#1 facing or on the side toward

    0热度

    1回答

    我正在使用WordNet 3来验证英文单词,但它没有关于单词for的定义。 代码片段: System.setProperty("wordnet.database.dir", modelFolder); // path to WordNet NounSynset nounSynset; NounSynset[] hyponyms; WordNetDatabase database = Wo

    0热度

    1回答

    Here is my SentiWorNet Algo: public class SWN3 { private String pathToSWN = "C:/Users/RAHUL/Desktop/SWN/SentiWordNet_3.0.0.txt"; private HashMap<String, Double>_dict; public SWN3(){

    -5热度

    1回答

    我从各种网站提取评论并将它们存储在一个文件中,然后在senti-wordnet(它给出了某些分数)的帮助下将每个句子分类为正面或负面。我使用python 2.7。我不知道它是如何工作的评论存储在一个文件。有没有人知道python的代码呢? f1=open("foodP.txt","r") word_features =[] words = [] for line in f1: w