TextBlob 如何计算情绪极性？如何使用机器学习分类器计算情绪值？答案

【问题标题】：How does TextBlob calculate sentiment polarity? How can I calculate a value for sentiment with machine learning classifier?TextBlob 如何计算情绪极性？如何使用机器学习分类器计算情绪值？
【发布时间】：2018-12-15 00:15:29
【问题描述】：

TextBlob 如何计算情绪极性的经验值。我使用了朴素贝叶斯，但它只是预测它是积极的还是消极的。我怎样才能像 TextBlob 那样计算情绪值？

【问题讨论】：

标签： python python-3.x machine-learning sentiment-analysis textblob

【解决方案1】：

这是来自网站的示例：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'

根据极性和句子的真实发音，我最终得出了上述逻辑。请注意，某些推文可能并非如此。

我个人发现 vader 情绪复合分数更有意义，这样我就可以根据复合分数和推文文本计算出积极、消极和中性情绪的范围，而不是仅仅为所有具有极性的文本分配积极情绪>0

【讨论】：

【解决方案2】：

您的问题需要更清楚。您是在谈论创建自己的代码库来计算情绪吗？

TextBlob 执行 NLP 任务，如标记化、情感分析、POS 标记等。请参阅source code，了解如何计算情绪极性和主观性。

您使用 TextBlob 或 Vader 计算情绪。根据极性和主观性，您确定它是正面文本还是负面或中性文本。对于TextBlog，如果极性>0，则认为是正的，

然后您根据您的情绪（正面、负面、中性）训练分类器并继续进行预测。

【讨论】：

源代码什么也没显示；这很可能是问题所在。 TextBlob 似乎是一个基于价的模型，如果在这里有一个清晰的例子就好了。