python - TextBlob 如何计算情感极性？如何使用机器学习分类器计算情绪值？

Question

TextBlob 如何计算情感极性的经验值。我使用过朴素贝叶斯，但它只是预测它是正数还是负数。我怎样才能像 TextBlob 那样计算情绪的值？

Answer 1

以下是该站点的示例:https://textblob.readthedocs.io/en/dev/quickstart.html#sentiment-analysis

text1 = TextBlob("Today is a great day, but it is boring")
text1.sentiment.polarity
# You can derive the sentiment based on the polarity.

这是我如何在推文情绪中使用 TextBlob 的示例代码:

from textblob import TextBlob
### My input text is a column from a dataframe that contains tweets. 

def sentiment(x):
    sentiment = TextBlob(x)
    return sentiment.sentiment.polarity

tweetsdf['sentiment'] = tweetsdf['processed_tweets'].apply(sentiment)
tweetsdf['senti'][tweetsdf['sentiment']>0] = 'positive'
tweetsdf['senti'][tweetsdf['sentiment']<0] = 'negative'
tweetsdf['senti'][tweetsdf['sentiment']==0] = 'neutral'

基于极性和句子的真实发音，我最终得到了上面的逻辑。请注意，某些推文可能并非如此。

我个人发现维德情绪复合分数更有意义，因此我可以根据复合分数和推文文本找出积极、消极和中性情绪的范围，而不是仅仅为极性 >0 的所有文本分配积极情绪