c++ - 如何改进 Twitter 情绪分析器？

Question

我正在开发 C++ Twitter 公司情绪分析工具。用户输入一家公司，该工具会分析一系列推文并返回情绪。

到目前为止，我做了以下事情:

1. 将推文限制为英语和最近
2. 小写
3. 删除 RT、# 符号、@usernames 和 URL
4. 删除 &^%$(){}... 等字符

然后我将推文解析为单词，并根据两个包含正面和负面单词的词典检查单词。我为每条推文创建总情绪。然后我计算正面、中性和负面推文的数量以得出最终答案。不使用权重。

我正在考虑实现以下两件事:

1. 从推文中删除停用词
2. 从推文中删除特殊字符和表情符号(基本上是非英语 Unicode)

然而，即便如此，大多数搜索最终还是非常中性的。例如，如果我在 100 条推文中搜索“Apple”，我会得到 30 条正面消息、10 条负面消息和 60 条中性消息。

问题:
1.有什么办法可以降低中性线？
2. 我应该添加什么样的正面和负面词来代表我的搜索条件(公司)

Answer 1

你说没有使用权重，但为什么不添加它。为每个 +/- 词分配 1 的基本权重，然后可能应用以下一些条件:

1. 如果他们使用“非常”、“非常”等词，则加重以下形容词的权重(或者不加权重，将它们都算作一个 +/- 词)
2. 与其将所有内容都更改为小写，不如将大写锁定用于使用乘数对这些单词进行加权的单词
3. 对“fantastic”之类的词的评价比“good”之类的词更重