【问题标题】：Review data sentiment analysis, focusing on extracting negative sentiment?回顾数据情绪分析，重点提取负面情绪？
【发布时间】：2015-12-08 02:33:02
【问题描述】：
我正在尝试对评论数据集进行情感分析。由于我更关心在评论中识别（提取）负面情绪（现在未标记，但我尝试手动标记数百个或使用 Alchemy API），如果评论总体上是中性或正面但部分有负面情绪，我想我的模型更倾向于将其视为负面评论。有人可以就如何做到这一点给我建议吗？我正在考虑使用带有监督（随机森林，SVM）/无监督学习模型（Kmeans）的词袋/word2vect。
【问题讨论】：
标签：
python
machine-learning
nlp
sentiment-analysis
【解决方案1】：
注释情绪时，不要注释“正面”、“负面”和“中性”。相反，将它们注释为“有负数”或“没有负数”。那么您的情绪分类将只关注特征指示负面情绪的强度，这似乎是您想要的。
【解决方案2】：
通过使用词袋法，您可以赋予负面词更多的权重。默认为 -1 表示否定词，+1 表示肯定词。
library(qdap)
Dict <- key.pol
Dict$y <- ifelse(Dict$y==-1,-3,Dict$y)
# explore on small chat
polarity("Food is good i like it. The delivery is bad",polarity.frame = Dict)$all
尽管有两个积极的词，但这里是消极的。