我目前正在twitter中進行情感分析研究。 我想結合預定義的詞庫資源，如sentiwordnet極性分數。然後通過機器學習進行。 問題在於得到sentiwordnet的正確分數，以前的工作總是由詞義的正負極性總分簡單地選擇。 我的意思是，例如，「瘋狂」一詞可以出現3次爲負面，2次爲正面語言。以前的大部分工作都會自動平均每個極性。 所以我想在得分之前消除單詞，所以我們可以真正使用sentiwordnet，因爲它應該是。 我在比較目標句子和光澤句子的相似度。 有什麼方法可以比較嗎？你認爲它會起作用嗎？ 如果不是請分享你的想法..sentiwordnet python中的詞義消歧
我是完全新的這個領域和新手Python程序員，所以我真的需要你的意見.. 謝謝你..
這是一個多義問題，並讓您的系統在任何給定的多義詞上合理運行都將非常困難。您可以嘗試（幾種方法的組合）來確定單詞的正確含義：
Pos標記會減少候選感官的數量。
句子與WordNet中每個詞義的光澤之間的餘弦相似度。
使用SenseRelate：它測量目標單詞和其周圍單詞的不同感官之間的「WordNet相似性」。
使用WordNet Domains：數據庫包含分配給每個WordNet感覺的域標籤，例如音樂感覺爲「搖滾」的「音樂」。您可以比較在其中找到的域標籤，而不是比較在光澤和句子中找到的實際單詞。
表示光澤度和句子不是通過在它們中找到的單詞本身，而是作爲單詞的平均同現向量。這些向量可以使用大量的文本語料庫來構建，最好來自與您明確區分的文本相同的應用領域。有多種技術可以改進這種共現向量（tf-idf，PCA，SVD），您應該分別閱讀它們。
如果您的文本來自非常專業的領域（例如法律），則準確性會更高。但是，如果你使用一般的語言文本，那麼只有在不是高度多義性的單詞時（如果它們在WordNet中的感官不超過3-4個），你可以期望精確度高。