用LingPipe进行层次式情感分析

Question

这是在使用LingPipe机器学习工具进行情感分析的背景下进行的。如果一个大段落中的句子有积极/消极的情绪，我就得把它分类。我知道在LingPipe中有以下方法

1. 根据段落的极性--负或正--对整个段落进行分类。

在这里，我还不知道句子的极性。我们仍然停留在段落层面。如何确定段落中句子的极性，段落中的句子是否是正反句？我知道，如果一个句子是主观的/客观的，LingPipe是能够分类的。所以用这种方法.

，，，我是否应该首先对

• 进行一组主观/客观的LingPipe训练。paragraph.

• Train

• 使用经过训练的模型从测试

中提取出所有的主观句子。基于所提取的主观句子的LingPipe分类器通过手动标记极性，使用训练的极性模型，给出测试的主观句子(即通过训练的主观/客观的句子传递来完成)，然后判断语句是否是正负的。

上述方法有效吗？在上面提出的方法中，我们知道LingPipe能够接受一个大的文本内容(段落)来进行极性分类。如果我们只通过一个单一的主观句子来进行极性分类，它会做得好吗？我糊涂了！

Answer 1

你可能想看看文献中的多层次分析方法。

Li，S.，等。(2010)。“开发综合多层次的文档情感分析模型”，2010年国际模式识别会议。

叶森纳，A.，等人.(2010)。“文档级情感分类的多层次结构化模型”，“2010年自然语言处理经验方法会议记录”，第1046-1056页，麻省理工学院，美国马萨诸塞州，2010年10月9日至11日。

多层分析方法在信息检索中非常普遍，在向量空间相似性搜索的内容索引中也是如此。

像玲管道这样的环境是一个很好的开始方式，但最终您需要使用更低级别、更细粒度的工具，如yura建议的。

Answer 2

大多数机器语言库，包括lingpipe，都是基于行的(具有平面特征的对象)。所以，如果你想用它进行分级分类，你应该去整理你的数据。例如，你可以在相同的特征集上有副词和句子的特征。如果您只使用word分类，您可以创建这样的特性PARGRAPH_WORDX=true、SENTENCE_WORDX=true。其他一些工具包允许你表达你的模型不去造假，它被称为图形模型检验是CRF，ACRF，马尔可夫模型等那些你可以在mallet和Factorie中找到的实现。