【NLP+机器学习】实现对评论的情感倾向分析，预测，评估
·
前言
- 对文本的情感分析采用了两种思路——文本分类和文本聚类
| 有监督的学习 | 无监督的学习 |
|---|---|
| 训练集包括输入和由人工标注的输出（x，y） | 其训练集没有人为标注的输出（x） |
| 分类（classify） | 聚类（cluster） |
- 测试文本（语料）来自于nltk库的movie_reviews语料库，其根据其倾向（ n e g / p o s neg/pos neg/pos）将txt分为了两个文件夹
- 如果你愿意，也可以引入自己的语料库/文本，自己打标签
戳这里 ---->《NLTK载入自己的语料库》 - nltk提供的影评文本是自带预处理的，如果你想使用自己的语料库/文本，可能会遇到分词的麻烦。这篇短文可以让你快速入门分词，并轻易地用两行代码实现它：
戳这里 ---->《一篇文章入门分词（Tokenization）》 - 老生常谈，库的安装问题：
戳这里 ---->《Python安装第三方库的终极解决方法》
戳这里 ---->《PyCharm无法找到pip3安装的第三方库》
正文
《【文本分类】基于三种分类器实现影评的情感分析（朴素贝叶斯，最大熵，决策树）》
《【文本分类】基于两种分类器实现影评的情感分析（SVM，KNN）》
《【文本聚类】一片文章弄懂三种聚类算法（K-Means，Agglomerative，DBSCAN）》
《【文本聚类】三种聚类算法实现影评的情感分析（K-Means，Agglomerative，DBSCAN）》
后记
- 其他问题，点这里 ------->《百度·百科》
- 科班的，非科班的，尽在这里的分类专栏中 >_< -------> 丧心病狂Loli控的BLOG
技术共进，成长同行——讯飞AI开发者社区
更多推荐
5
0- 0
已为社区贡献2条内容
所有评论(0)