NLP - 意见挖掘与情感分析

Question

有人告诉我，自然语言处理可能是研究人员推断一个人写作时的情感状态的关键。例如，通过对在线笔记使用 NLP 分析，您可以推断学生是否有压力。我从事教育认知科学工作，所以如果是这样的话，这对我来说将是一个宝贵的资源，但是我正在努力寻找证据证明情况确实如此。

我已经开始初步研究，并试图了解一些有关 nlp 的技术方面的知识 - 我正在学习 Jurafsky 和 ​​Manning 的在线课程, 迈克尔·柯林斯的另一个作品 - 我一直在阅读有关使用 nlp 可以推断什么的内容，特别是围绕意见挖掘和情感分析。

我的问题分为两部分：

• 首先，我遇到的大多数资源都可以用NLP的方式来进行挖掘和情感分析，我们将讨论对意见采矿的影响。有人可以将我指向以情绪分析为导向的资源的方向吗？
• 其次，据我了解，情感分析正在推导指出 文本中的情感，例如我感到高兴、我喜欢、美味、享受、讨厌、沮丧等等。可以使用NLP或其他东西来得出 未说明的 影响？这与情感分析相同吗？

[如果在错误的交流中提出这个问题，我们深表歉意。我一直在努力寻找最合适的人选，但有几个候选人，我不确定哪一个最合适。]

Answer 1

我认为关键是大多数 复发性神经网络 问题是根据回归（低值表示负面情绪，高值阳性）或二进制分类（该文本阳性的？）来提出问题。

您似乎感兴趣的是对情感的更加细微的定义。这不会带来任何固有的问题，因为相同的算法可能会很好地预测更复杂的情感。问题简称为数据。由于这种分类即使对于人类来说也很困难，因此可靠地收集数据的数据是多么压力。

但是，如果您有兴趣组装该性质的数据集，则可以应用相同的方法（复发性神经网络 是一个流行的选择）进行分类。该领域的许多研究人员使用 亚马逊机械土耳其人 或类似的东西以合理的成本收集标签数据。

Answer 2

有人可以将我指向以情绪分析为导向的资源的方向吗？

有 大量优秀论文 情感分析，供大家参考。尤其是 那些 在 Twitter 等社交网站上。

然而，我认为曼宁的书和他的课程作为 NLP 和意见挖掘的参考是一个很好的开始。

nlp 或其他东西可以用来产生未言明的影响吗？

是的，可以。这就是我的方法：

（假设我已经有一个手工分类的训练数据）使用词袋方法，可以捕获最常用的情绪（压力、快活等）单词和短语，并且可以将后续训练数据相应地排序为（ 60% 有压力，40% 快乐）。

此外，您还可以定义获得单一情绪的阈值。喜欢：

if mood[score] > .5:
    current_mood = mood

Answer 3

情感分析, 情感检测 和 意见采矿 所有这些都涵盖了一组问题，通常可以被认为是一个又一个。

期限 情感分析 似乎在媒体和行业中更受欢迎。实际上，截至2015年，它主要是为了分数，在0.0到1.0之间给出分数，以实现积极的情绪。 （严格来说，这只是一个子问题，也是许多可能的表述之一。）

但是，每当使用任何术语时，您都应定义或要求定义确切的问题。