基于文本分类的斯坦福CoreNLP情感分析

Question

我正在做我的个人学士学位期末项目，大约50天后到期。我要创建的网站是一个用户可以分享他们觉得有趣的文章的链接(让他们感到快乐的东西)的网站。这是一种类似reddit的格式，用户可以在全球范围内发布文章，其他人可以根据文章的幸福感投票通过或否决文章。最热门的帖子将显示在列表的顶部，最不受欢迎的帖子显示在底部。

该项目更令人兴奋的部分是实现了一个NLP机器学习服务，它可以在网络上抓取与热门文章相似的文章，并自动将文章张贴到网站上(除了投票外，无需用户输入)。为了做到这一点，我正在考虑让斯坦福大学的CoreNLP服务在服务器上运行，它可以挑选出最热门的文章，根据它们的内容对它们进行分类(例如，一篇关于唐纳德·特朗普的文章应该自动生成“唐纳德·特朗普”、“共和党人”、“政治”等标签)。然后通过对文章进行情感分析，使用斯坦福大学的CoreNLP情感注释器，我可以看到公众对文章主题(即标签)的看法。然后通过使用网络爬虫，从网络上提取文章，并对提取的文章进行相似情感分析，我可以找到合适的文章发布到网站上。

然而，我还没能在斯坦福CoreNLP中找到任何用于文本分类的注释器。有没有什么办法可以实现我的想法。更好的是，有没有更好的方法来实现我想要实现的目标。

提前谢谢。

Answer 1

我认为这个答案不会对发帖的人有所帮助，但希望其他人也能从中受益。我觉得问题中很多地方都写错了，缺少清晰的表达，但我认为你需要-

• 是一款允许用户分享链接的应用程序，它允许用户从trending posts(使用点赞计数)中分享链接(Like)：你需要应用一些算法(可能是主题建模)才能找到链接。
• 是一个网络爬虫/爬行器，它可以让你在你的algorithm
• you识别的主题上获得文章，也想给你的文章打一个极性分数(你实际上不需要coreNLP仅仅是为了这个原因，因为还有其他可用的包，我发现coreNLP很重-我从R运行它，并且经常遇到一些与

内存相关的错误。这对于其他与NLP相关的任务来说是很好的。)

关于你的最后一个问题，如果你使用的是R--这是代码：

 t<- "This tea is great" # the input text

annotatedStr <- annotateString(t) #annotator

sentiment <- getSentiment(annotation) #call to get your sentiment score