machine-learning - 使用文本情感作为机器学习模型中的特征？

Question

我正在利用我拥有的数据研究我的机器学习模型将具有哪些功能。我的数据包含大量文本数据，所以我想知道如何从中提取有值(value)的特征。与我之前的看法相反，这通常由词袋表示或诸如 word2vec 之类的东西组成:( http://scikit-learn.org/stable/modules/feature_extraction.html#text-feature-extraction )

因为我对这个主题的理解有限，我不明白为什么我不能先分析文本来获取数值。 (例如:textBlob.sentiment = https://textblob.readthedocs.io/en/dev/、Google Clouds Natural Language = https://cloud.google.com/natural-language/)

这有问题吗？或者我可以使用这些值作为我的机器学习模型的特征吗？

预先感谢您的所有帮助!

Answer 1

当然，您可以通过情感分析将文本输入转换为单个数字，然后将该数字用作机器学习模型中的特征。这种方法没有什么问题。

问题是您想从文本数据中提取什么样的信息。因为情感分析将文本输入转换为-1到1之间的数字，该数字代表文本的积极或消极程度。例如，您可能需要客户对餐厅的评论的情感信息来衡量他们的满意度。这种情况下，使用情感分析来预处理文本数据就可以了。

但同样，情感分析只能了解文本的积极或消极程度。您可能想要对文本数据进行聚类，而情感信息在这种情况下没有用，因为它不提供有关文本相似性的任何信息。因此，其他方法(例如 word2vec 或词袋)将用于在这些任务中表示文本数据。因为这些算法提供了单个数字的文本实例的向量表示。

总之，该方法取决于您需要从特定任务的数据中提取哪种信息。