full-text-search - 计算形容词频率的技巧

Question

关闭。这个问题需要更多focused .它目前不接受答案。












想改善这个问题吗？更新问题，使其仅关注一个问题 editing this post .

去年关闭。




Improve this question




我需要在大量客户支持评论中计算一组给定形容词的词频。但是我不想包括那些被否定的。

例如，假设我的形容词列表是:[乐于助人、知识渊博、友好]。我想确保“友好”不包括在“代表不是很友好”这样的句子中。

我需要对文本进行完整的 NLP 解析还是有更简单的方法？我不需要超高精度。

我对 NLP 一点也不熟悉。我希望有一些没有那么陡峭的学习曲线并且不是那么处理器密集型的东西。

谢谢

Answer 1

这取决于您的数据来源。如果句子来自某种生成器，您可能可以自动拆分它们。否则你将需要 NLP，是的。

正确解析自然语言几乎是一个悬而未决的问题。它“主要”适用于英语，特别是因为英语句子倾向于坚持 SVO 顺序。例如，德语在这里很糟糕，因为不同的词序传达不同的重点(因此可以传达不同的含义，尤其是在使用反讽时)。此外，德语更倾向于使用从句。

NLP 显然是要走的路。至少需要一些基本的解析器。这也真的取决于你的任务:你需要确保每个人都是正确的，还是概率方法足够好？ “疑难”案例可以丢弃或提供给人工审查吗？等等。