如何从文本中提取投诉特征，以便将投诉与非投诉文本进行分类

Question

我有一个大约6000个文本的语料库，其中有来自社交网络(FB，twitter)的评论，来自一般和地区新闻和杂志等的新闻内容。我已经浏览了前300个文本，并将这300个文本中的每一个内容标记为客户投诉或非投诉。

我想知道如何准确地提取这些投诉和非投诉文本的特征，而不是幼稚的词袋方式。我的目标是使用支持向量机或其他分类算法/库，如Liblinear，在当前300个文本的训练集上，最准确地将这些文本中的其余部分分类为抱怨或非抱怨。这个过程类似于情绪分析吗？如果没有，我应该从哪里开始呢？

Answer 1

我想你会发现词袋并不是那么天真。实际上，这是一种非常有效的表示数据的方式，可以将数据提供给SVM。如果这不能给你足够的准确性，你总是可以在你的特征向量中包括二元语法，即单词对，而不仅仅是一元语法。