python - 使用 nltk 训练我自己的分类器后，如何将其加载到 textblob 中？

Question

textblob 中的内置分类器非常愚蠢。它是根据电影评论进行训练的，因此我在我的上下文中创建了大量示例(57,000 个故事，分为正面或负面)，然后使用 nltk 对其进行训练。 我尝试使用 textblob 来训练它，但它总是失败:

with open('train.json', 'r') as fp:
    cl = NaiveBayesClassifier(fp, format="json")

这将运行几个小时并以内存错误结束。

我查看了源代码，发现它只是使用 nltk 并对其进行包装，因此我使用了它，并且它有效。

nltk 训练集的结构需要是一个元组列表，第一部分是文本中单词和出现频率的计数器。元组的第二部分是表示情绪的“pos”或“neg”。

>>> train_set = [(Counter(i["text"].split()),i["label"]) for i in data[200:]]
>>> test_set = [(Counter(i["text"].split()),i["label"]) for i in data[:200]] # withholding 200 examples for testing later

>>> cl = nltk.NaiveBayesClassifier.train(train_set) # <-- this is the same thing textblob was using

>>> print("Classifier accuracy percent:",(nltk.classify.accuracy(cl, test_set))*100)
('Classifier accuracy percent:', 66.5)
>>>>cl.show_most_informative_features(75)

然后我腌制它。

with open('storybayes.pickle','wb') as f:
    pickle.dump(cl,f)

现在...我拿起这个腌制文件，重新打开它以获取 nltk.classifier 'nltk.classify.naivebayes.NaiveBayesClassifier'> - 并尝试将其输入到 textblob 中。而不是

from textblob.classifiers import NaiveBayesClassifier
blob = TextBlob("I love this library", analyzer=NaiveBayesAnalyzer())

我尝试过:

blob = TextBlob("I love this library", analyzer=myclassifier)
Traceback (most recent call last):
  File "<pyshell#116>", line 1, in <module>
    blob = TextBlob("I love this library", analyzer=cl4)
  File "C:\python\lib\site-packages\textblob\blob.py", line 369, in __init__
    parser, classifier)
  File "C:\python\lib\site-packages\textblob\blob.py", line 323, in 
_initialize_models
    BaseSentimentAnalyzer, BaseBlob.analyzer)
  File "C:\python\lib\site-packages\textblob\blob.py", line 305, in 
_validated_param
    .format(name=name, cls=base_class_name))
ValueError: analyzer must be an instance of BaseSentimentAnalyzer

现在怎么办？我查看了源代码，两者都是类，但并不完全相同。

Answer 1

我无法确定 nltk 语料库不能与 textblob 一起使用，这会让我感到惊讶，因为 textblob 在其源代码中导入了所有 nltk 函数，并且基本上是一个包装器。

但经过多个小时的测试后我得出的结论是，nltk 提供了一个更好的内置情感语料库，称为“vader”，它的性能优于我所有训练过的模型。

import nltk
nltk.download('vader_lexicon') # do this once: grab the trained model from the web
from nltk.sentiment.vader import SentimentIntensityAnalyzer
Analyzer = SentimentIntensityAnalyzer()
Analyzer.polarity_scores("I find your lack of faith disturbing.")
{'neg': 0.491, 'neu': 0.263, 'pos': 0.246, 'compound': -0.4215}
CONCLUSION: NEGATIVE

vader_lexicon 和 nltk 代码对句子中的否定语言进行更多解析，以否定肯定词。就像达斯·维德(Darth Vader)说“缺乏信仰”时，将情绪转向相反的方向一样。

我在这里解释了它，并举例说明了更好的结果: https://chewychunks.wordpress.com/2018/06/19/sentiment-analysis-discovering-the-best-way-to-sort-positive-and-negative-feedback/

它取代了这个 textblob 实现:

from textblob import TextBlob
from textblob.sentiments import NaiveBayesAnalyzer
TextBlob("I find your lack of faith disturbing.", analyzer=NaiveBayesAnalyzer())
{'neg': 0.182, 'pos': 0.817, 'combined': 0.635}
CONCLUSION: POSITIVE

vader nltk 分类器这里还有关于使用它进行情感分析的附加文档:http://www.nltk.org/howto/sentiment.html

textBlob 总是因为只有 5000 个示例而导致我的计算机崩溃。