ответ

0

Нечто похожее на ваш проект - проекты анализа настроений в Twitter.

Выполните несколько примеров:

  1. First example
  2. Second example
  3. Third example

Я предлагаю вам использовать NLTK библиотеку. Также проверьте примеры 'How To Section'.

Я надеюсь, что эти данные полезны.

Если они вас не интересуют, добавьте некоторые детали к вашему квесто, чтобы лучше ответить.

+0

Привет, Спасибо за ваш ответ. Я уже достиг «Анализ настроений», теперь я ищу «Анализ настроения, основанный на аспектах». – Guna

+0

Пример: «Здесь еда и сервис действительно хороши, но атмосфера может быть лучше». Здесь общий обзор положительный, но такие аспекты, как атмосфера, имеют нейтральный обзор, а также еда и сервис имеют положительный отзыв. – Guna

+0

Так что я хочу получить аспекты и обзоры отдельно. добро пожаловать на меня – Guna

0

Не инструмент как таковой, но у меня был аналогичный проект, который получил неплохие результаты, используя методы, описанные в this paper. Основная идея - использовать что-то вроде CoreNLP для запуска анализа зависимости, а затем использовать некоторые предопределенные шаблоны (например,), чтобы найти пары (aspect, adjective). Затем прилагательным присваивается настроение, основанное на предоставленной лексике прилагательных.

Я работал с обзорами ресторанов Yelp и в течение нескольких дней смог создать достаточно точный экстрактор.

+0

Не могли бы вы поделиться каким-либо примером кода? – Guna

+0

Если бы у меня был код, но, к сожалению, я этого не делал. Этапы будут построены с чувством lexicon => define patterns => Чистые/Preprocess данные (без удаления стоп-слова или lemmatization - нужны полные предложения) => получить синтаксический анализ зависимости CoreNLP от каждого предложения => найти совпадение шаблонов как ('aspect', 'adj') пары => lookup sentiment пар adj => return (' aspect', 'sentiment'). –