是否有可用于无监督训练的情绪论坛数据集？

Question

我最近完成了一个机器学习课程，想制作一个论坛情绪分析工具，将其应用于股票相关的论坛。

这个想法是：

1. 使用他们的 cmets 捕获（文本挖掘）用户，并评估他们的评论情绪（正面、负面、中立）。
2. 捕捉这些 cmet 之后发生的事情（股市），并相应地为用户分配权重（如果用户的情绪是准确的并且市场遵循相同的方向，则权重更大）
3. 使用 cmets 作为预测市场方向的工具。

实际上，我自己做这件事（关注论坛），加上我自己的技术分析和义务尽职调查，这对我来说效果很好。我只是想尝试将其自动化一点，甚至可能允许程序使用我的一些账户（首先进行模拟交易，如果它表现得体，则在真实账户中分配一些钱）

这将是我的第一个机器学习项目（仅作为概念验证），因此非常感谢任何 cmets。

我发现最大的问题是我想做一个无监督训练，我需要一个样本数据集来进行训练。

问题：是否有任何已知的论坛情绪数据集可用于无监督训练？

我找到了几个情绪数据集（twitter、imbd、amazon 评论），但它们非常特定于他们的利基（短信、电影、产品......），但我正在寻找更通用的东西。

Answer 1

由于您正在寻找一种无监督的方法，因此您可以使用与您的“真实案例场景”相匹配的任何数据集。文本挖掘和情感分析通常针对手头的问题量身定制，因此很容易直接从真实数据开始。最好的方法是构建一个抓取工具，直接抓取您要分析的论坛帖子。您可以使用 Python (beautifulsoup/selenium) 轻松构建刮板。网上到处都是很好的教程 eg:https://www.dataquest.io/blog/web-scraping-tutorial-python/