senti-wordnet

    1熱度

    1回答

    我對我已經獲取的一組Twitter數據執行不同的情感分析技術。它們基於詞典(Vader Sentiment和SentiWordNet),因此不需要預先標記的數據。 我想知道是否有方法(如F-Score,ROC/AUC)來計算分類器的準確性。我所知道的大多數方法都需要一個目標來比較結果。

    1熱度

    1回答

    我與sentiwordnet部分的詞性,其中我試圖總結到找到網情緒刑期的列表: from nltk.corpus import sentiwordnet as swn, wordnet score = 0 for term in terms: try: term = swn.senti_synset(term) except Wor

    1熱度

    1回答

    我想爲我的項目使用SentiWordNet,我無法弄清楚感知號是做什麼的?這裏是SentiWordNet的單詞列表的一部分; POS ID PosScore NegScore SynsetTerms光澤 一個00002730 0 0 acroscopic#1面或上側朝向頂點 一個00002843 0 0 basiscopic#1面或朝向底部的側 a 00003829 0.25 0分娩#2分娩; 「

    0熱度

    1回答

    我想對文檔層面進行情感分析。但我試圖做情緒分析尼泊爾。所以,我沒有任何資源。我不能做樸素貝葉斯分類器,因爲我沒有任何標籤數據,因爲沒有尼泊爾字網存在,所以我不能做wordnet。我閱讀的論文一般都會爲其他語言標記數據或senti-wordnet。 我想知道這些事情: 我應該在上述情況下使用哪種方法進行情感分析? 有沒有什麼方法可以爲數據動態生成標籤?

    -1熱度

    1回答

    我有一個像'老師','教授,'講師'這樣的單詞列表,我想在我的列表中找到所有這些相似的含義單詞,並將它們計入教師類別下。而且我有許多這樣的不同類別。我可以如何在python中找到相似的含義詞?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熱度

    1回答

    有沒有一種方法,我可以從事與TextBlob情緒分析,自然語言處理,使用Sentiwordnet,因爲它的語料數據庫? 目前,我相信TextBlob使用其他語料庫數據庫從download_corpora.py做情感分析,但我不知道實際被用於分析哪些。 (我知道我可以使用NLTK,但我覺得TextBlob更強大,因爲它調用NLTK)

    1熱度

    1回答

    我正在研究使用SentiwordNet3詞庫的情感分析項目。問題是,我無法理解詞彙的結構。此詞典中的一個線是: 一個00002730 0 0 acroscopic#1面或上側朝向頂點 1.a =? a的用途? 2.POS-ID=00002730。 POS-ID的目的是什麼? SynsetTerms Gloss = acroscopic#1 facing or on the side toward

    0熱度

    1回答

    我正在使用WordNet 3來驗證英文單詞,但它沒有關於單詞for的定義。 代碼片段: System.setProperty("wordnet.database.dir", modelFolder); // path to WordNet NounSynset nounSynset; NounSynset[] hyponyms; WordNetDatabase database = Wo

    0熱度

    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熱度

    1回答

    我從各種網站提取評論並將它們存儲在一個文件中,然後在senti-wordnet(它給出了某些分數)的幫助下將每個句子分類爲正面或負面。我使用python 2.7。我不知道它是如何工作的評論存儲在一個文件。有沒有人知道python的代碼呢? f1=open("foodP.txt","r") word_features =[] words = [] for line in f1: w