NLP - Meinungsabbau gegen Sentimentanalyse

Question

Mir wurde gesagt, dass NLP möglicherweise den Schlüssel hat, um Forschern beim Schreiben auf den affektiven Zustand einer Person zu schließen. Wenn Sie beispielsweise die NLP -Analyse in Online -Notiz verwenden, können Sie schließen, ob ein Schüler betont ist. Ich arbeite in der kognitiven Bildungswissenschaft. Wenn dies der Fall wäre, wäre es für mich eine wertvolle Ressource, aber ich kämpfe darum, Beweise dafür zu finden, dass dies tatsächlich der Fall ist.

Ich habe vorläufige Forschung begonnen und versuche ein wenig über die technischen Aspekte von NLP zu lernen - ich nehme eine Online -Kurs von Jurafsky und Manning, Ein anderer von Michael Collins - Und ich habe darüber gelesen, was mit NLP abgeleitet werden kann, insbesondere mit der Analyse des Meinungsminens und der Stimmung.

Meine Frage ist zwei Teil:

• Erstens können die meisten Ressourcen, die ich begegnet bin, etwas in der Sicht von NLP für die Meinungsabbau- und Stimmungsanalyse verwendet werden, und wir werden über die Auswirkungen auf den Meinungsabbau sprechen. Kann mich jemand in Richtung weiterer stimmungsanalyseorientierter Ressourcen zeigen?
• Zweitens leitet sich die Stimmungsanalyse so abangegeben SENTIMENT IN TEXT, zB Ich war glücklich, dass ich liebte, war lecker, genossen, gehasst, frustriert usw. kann NLP oder etwas anderes verwendet werden, um abzuleiten nicht stationiert beeinträchtigen? Und ist das dasselbe wie die Stimmungsanalyse?

Entschuldigung, wenn dies im falschen Austausch gefragt wird. Ich habe versucht, die beste Passform zu finden, aber es gab ein paar Kandidaten und ich war mir nicht sicher, welche am besten geeignet wäre.

Answer 1

Ich denke der Schlüssel ist das am meisten Wiederkehrende neuronale Netze Probleme werden entweder in einer Regression (mit niedrigen Werten, die negative Stimmung und hohe Werte positiv) oder eine binäre Klassifizierung (ist dieser Text positiv?) formuliert.

Was Sie anscheinend interessiert zu sein scheinen, ist eine viel differenziertere Definition des Gefühls. Dies stellt kein inhärentes Problem dar, da dieselben Algorithmen möglicherweise komplexere Gefühle vorhersagen. Das Problem ist einfach mit Daten. Da diese Art der Klassifizierung auch für den Menschen schwierig ist, ist es nicht einfach, Daten über beispielsweise, wie gestresst ein Schriftsteller ist, zuverlässig zu sammeln.

Wenn Sie jedoch daran interessiert sind, einen Datensatz dieser Art zusammenzustellen, können Sie dieselben Methoden anwenden (Wiederkehrende neuronale Netze sind eine beliebte Option), um die Klassifizierung durchzuführen. Viele Forscher in der Gebietsnutzung Amazon Mechanical Turk oder etwas Ähnliches, das beschriftete Daten zu angemessenen Kosten sammelte.

Answer 2

Kann mich jemand in Richtung weiterer stimmungsanalyseorientierter Ressourcen zeigen?

Es gibt Tonnen von außergewöhnlich guten Papieren Über die Sentimentanalyse für Ihre Referenz. Insbesondere das Einsen auf sozialen Netzwerken wie Twitter.

Ich denke jedoch, dass das Buch von Manning und sein Kurs ein netter Anfang als Verweise auf NLP und Meinungsabbau sind.

Kann NLP oder etwas anderes verwendet werden, um einen nicht stationären Affekt abzuleiten?

Ja das kann sein. Dies wäre mein Ansatz:

(Denken Sie daran, ich habe bereits eine handklassifizierte Trainingsdaten.) Mit dem Ansatz der Tüte von Wörtern können die am häufigsten verwendeten Wörter und Phrasen für eine Stimmung (stressig, fröhlich usw.) erfasst werden, und die nachfolgenden Trainingsdaten können entsprechend als (( 60% stressig, 40% fröhlich).

Darüber hinaus können Sie auch Schwellenwerte definieren, um eine einzelne Stimmung zu erhalten. Wie:

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

Answer 3

Stimmungsanalyse, Stimmungserkennung und Meinungsabbau Alle decken eine Reihe von Problemen ab und können im Allgemeinen als ein und dasselbe angesehen werden.

Der Begriff Stimmungsanalyse Scheint in der Presse und in der Industrie beliebter zu sein. In der Praxis geht es ab 2015 hauptsächlich darum, eine Punktzahl zu geben, um einen Text zwischen 0,0 und 1,0 zu erhalten, um eine negative bis positive Stimmung zu erhalten. (Streng genommen ist dies nur ein Unterproblem und eine von vielen möglichen Formulierungen.)

Wenn jedoch eine der Begriffe verwendet wird, sollten Sie das genaue Problem definieren oder um eine Definition bitten.