关于情感分析的自然语言处理工具列表-你推荐哪一种？

Question

首先为我不太完美的英语道歉..。(我来自德国;)

因此，在我的一个研究项目(学士论文)中，我需要分析一些公司和品牌在推特上的情绪。为此，我需要编写我自己的程序/使用某种修改过的开源代码(没有APIs我需要了解正在发生的事情)。

下面是我找到的一些NLP应用程序的列表。我现在的问题是，你会推荐哪一种和哪种方法？哪一个不需要长时间的夜晚调整代码？

例如:当我在推特上看到音乐播放器>iPod<时，有人写道：“这是糟糕的一天，但至少我的iPod让我感到高兴”，甚至更难：“这一天很糟糕，但至少我的iPod弥补了这一天。”

哪个软件足够聪明，可以理解焦点集中在iPod而不是天气上？

另外，哪个软件具有可伸缩性/资源效率(我想分析几个tweet，而不想花费数千美元)？

机器学习与数据挖掘

Weka -是一组用于数据挖掘的机器学习算法。它是目前最流行的文本分类框架之一。它包含了各种算法的实现，包括朴素贝叶斯和支持向量机( SVM，在SMO下列出)注意:其他常用的非Java实现是支持向量机-Light、LibSVM和SVMTorch。一个相关的项目是Kea (键短语提取算法)，这是一种从文本文档中提取关键字的算法。

Apache -一个孵化器项目，在Hadoop地图上创建高可伸缩性的通用机器学习算法的分布式实现--约简框架。

NLP工具

LingPipe -(技术上不是开源的，见下文)Alias的Lingpipe是一套用于文本语言处理的java工具，包括实体提取、语音标记(pos)、聚类、分类等.它是工业上最成熟和最广泛使用的开源NLP工具包之一。它以其速度、稳定性和可伸缩性而闻名。它最好的特性之一是大量的编写精良的教程，以帮助您入门。他们有一份与竞争的联系清单，包括学术和工业工具。一定要查看他们的博客。LingPipe是在包括源代码的免版税商业许可下发布的，但在技术上并不是“开放源代码”。

OpenNLP -托管了多种基于java的NLP工具，它们使用Maxent机器学习包执行句子检测、标记化、词性标注、分块和解析、命名实体检测和联合引用分析。

Stanford和来自Stanford组的部分词性标记(POS)标记- Java语句分析包和部分词性标记。它有概率自然语言解析器的实现，包括高度优化的PCFG和词汇化依赖解析器，以及一个词汇化的PCFG解析器。它有完整的GNU GPL许可证。

OpenFST -一个处理加权有限状态自动机的软件包。这些经常被用来表示一个可能的模型。它们用于为语音识别、OCR纠错、机器翻译和其他各种任务建立文本模型。这个图书馆是由谷歌研究公司和纽约大学的撰稿人开发的。它是一个快速和可伸缩的C++库。

NTLK --自然语言工具包是一种用于教学和研究分类、聚类、语音标记和分析的工具，等等。它包含一组用于实验的教程和数据集。它是由墨尔本大学的史蒂文·伯德写的。

意见发现-一个系统，执行主观性分析，自动识别意见，情感，推测和其他私人状态出现在文本中。具体来说，OpinionFinder的目的是识别主观句子，并标记这些句子的主体性的各个方面，包括主观性的来源(持有者)和包含在表达积极或消极情绪的短语中的单词。

Tawlk/osae -用于社交文本情感分类的python库。最终的目标是拥有一个简单的“只起作用”的库。它应该有一个容易进入的障碍，并被彻底记录在案。我们利用negwords.txt和poswords.txt上收集到的推特信息，使用停止词过滤，获得了最佳的准确率。

门门已有15岁以上的历史，可用于各种涉及人类语言的计算任务。门擅长各种形状和大小的文本分析。从大公司到小型初创企业，从数百万欧元的研究联盟到本科项目，我们的用户社区是这类系统中最大和最多样化的，并且分布在除一个continents1之外的所有系统中。

文本-一套用于文本和情感挖掘的工具。这包括“mnlm”函数，稀疏多项式logistic回归，“pls”，一个简明的偏最小二乘例程，以及“主题”函数，用于潜在主题模型的有效估计和维数选择。

NLP工具集-朱莉实验室提供了一个全面的NLP工具套件，用于语义搜索、信息提取和文本挖掘。我们不断扩展的工具套件大多基于机器学习方法，因此与领域和语言无关。

..。

顺便提一句:你会推荐twitter流还是get API？

对我来说，我是python和java的粉丝;)

非常感谢你的帮助！

Answer 1

我不知道我能帮上多少忙，但我以前也用过手工轧制的NLP。有几个问题浮现在脑海中--并非所有的产品都是语言不可知论的(人类语言，也就是计算机语言)。如果你打算分析德语推文，重要的是你所选的产品能够处理德语。很明显我知道，但很容易忘记。还有一个事实是，twitter上有大量的缩略语和缩略语，语言结构受到字符限制的限制，这意味着语法并不总是与预期的语言结构相匹配。

在英语中，如果你必须编写自己的代码，从句子中提取名词可以简化一些。专有名词有首字母大写，这些词的串(可能包括" of ")是名词短语的一个例子。“a/ an /my/ be /her/the/this/this/the”the/this/this/the“后面的单词要么是形容词，要么是名词。不幸的是，事情变得更难了。

有一些规则可以帮助识别复数，但也有很多例外。当然，我在这里说的是英语，我的德语说得很差，这并不能帮助我理解语法。