blocks|key|1937579|text|In+：改用SentiWordNet并查看分类器|type|unstyled|depth|inlineStyleRanges|offset|length|style|BOLD|entityRanges|data|1937580|In+Long|1937581|深情与情感|1937582|情感和情感之间的界线是非常好的。人们应该在语言学研究中研究Affectedness，例如计算研究中的http://compling.hss.ntu.edu.sg/events/2014-ws-affectedness/和Sentiment+Analysis。现在，让我们把识别情感和情感的任务叫做情感分析。|CODE|1937583|还请注意，与SentiWordNet，http://sentiwordnet.isti.cnr.it/相比，SentiWordNet是一个相当老的资源。|1937584|这里是使用SentiWordNet进行情感分析的一个很好的资源：分类器。|1937585|情绪分析通常只有两类，即positive或negative情感。WN-+uses使用11种类型的情感标签：|1937586|情感|unordered-list-item|1937587|心境|1937588|特性|1937589|认知状态|1937590|物理状态|1937591|享乐信号|1937592|情绪激发|1937593|情感反应|1937594|行为|1937595|态度|1937596|感觉|1937597|对于每种类型，都有多个类，请参见https://github.com/larsmans/wordnet-domains-sentiwords/blob/master/wn-domains/wn-affect-1.1/a-hierarchy.xml|1937598|要回答如何使用WN影响的问题，您需要做以下几件事情：|1937599|第一个映射WN1.6到WN3.0+(这不是一个容易的任务，您必须做几个映射，特别是2.02.1之间的映射)|1937600|现在使用WN3.0中的WN-影响，您可以应用|1937601|与SentiWordNet情感分类器相同的分类技术|1937602|尝试最大化文本中的类，然后使用一些启发式方法选择“正”/“否定”|1937603|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/kevincobain2000/sentiment_classifier|1|http://compling.hss.ntu.edu.sg/events/2014-ws-affectedness/|2|http://sentiwordnet.isti.cnr.it/|3|4|https://github.com/larsmans/wordnet-domains-sentiwords/blob/master/wn-domains/wn-affect-1.1/a-hierarchy.xml^0|0|3|L|3|0|0|0|7|0|0|5|0|T|C|32|I|1E|1N|1|0|6|C|1I|C|J|W|2|0|0|V|W|3|3|0|C|8|L|8|0|0|0|0|0|0|0|0|0|0|0|0|G|2Z|4|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|26|8|@$9|27|A|28|B|C]]|D|@$9|29|A|2A|1|2B]]|E|$]]|$1|F|3|G|5|6|7|2C|8|@$9|2D|A|2E|B|C]]|D|@]|E|$]]|$1|H|3|I|5|6|7|2F|8|@$9|2G|A|2H|B|C]]|D|@]|E|$]]|$1|J|3|K|5|6|7|2I|8|@$9|2J|A|2K|B|L]|$9|2L|A|2M|B|L]]|D|@$9|2N|A|2O|1|2P]]|E|$]]|$1|M|3|N|5|6|7|2Q|8|@$9|2R|A|2S|B|L]|$9|2T|A|2U|B|L]]|D|@$9|2V|A|2W|1|2X]]|E|$]]|$1|O|3|P|5|6|7|2Y|8|@$9|2Z|A|30|B|C]]|D|@$9|31|A|32|1|33]]|E|$]]|$1|Q|3|R|5|6|7|34|8|@$9|35|A|36|B|L]|$9|37|A|38|B|L]]|D|@]|E|$]]|$1|S|3|T|5|U|7|39|8|@]|D|@]|E|$]]|$1|V|3|W|5|U|7|3A|8|@]|D|@]|E|$]]|$1|X|3|Y|5|U|7|3B|8|@]|D|@]|E|$]]|$1|Z|3|10|5|U|7|3C|8|@]|D|@]|E|$]]|$1|11|3|12|5|U|7|3D|8|@]|D|@]|E|$]]|$1|13|3|14|5|U|7|3E|8|@]|D|@]|E|$]]|$1|15|3|16|5|U|7|3F|8|@]|D|@]|E|$]]|$1|17|3|18|5|U|7|3G|8|@]|D|@]|E|$]]|$1|19|3|1A|5|U|7|3H|8|@]|D|@]|E|$]]|$1|1B|3|1C|5|U|7|3I|8|@]|D|@]|E|$]]|$1|1D|3|1E|5|U|7|3J|8|@]|D|@]|E|$]]|$1|1F|3|1G|5|6|7|3K|8|@]|D|@$9|3L|A|3M|1|3N]]|E|$]]|$1|1H|3|1I|5|6|7|3O|8|@]|D|@]|E|$]]|$1|1J|3|1K|5|6|7|3P|8|@]|D|@]|E|$]]|$1|1L|3|1M|5|6|7|3Q|8|@]|D|@]|E|$]]|$1|1N|3|1O|5|U|7|3R|8|@]|D|@]|E|$]]|$1|1P|3|1Q|5|U|7|3S|8|@]|D|@]|E|$]]|$1|1R|3|-4|5|6|7|3T|8|@]|D|@]|E|$]]]|1S|$1T|$5|1U|1V|1W|E|$1X|1Y]]|1Z|$5|1U|1V|1W|E|$1X|20]]|21|$5|1U|1V|1W|E|$1X|22]]|23|$5|1U|1V|1W|E|$1X|1Y]]|24|$5|1U|1V|1W|E|$1X|25]]]]

In short: Use SentiWordNet instead and look at <a href="https://github.com/kevincobain2000/sentiment_classifier">https://github.com/kevincobain2000/sentiment_classifier</a>

<hr>

In Long:

Affectedness vs Sentiment

The line between affect and sentiment is very fine. One should looking into <code>Affectedness</code> in linguistics studies, e.g. <a href="http://compling.hss.ntu.edu.sg/events/2014-ws-affectedness/">http://compling.hss.ntu.edu.sg/events/2014-ws-affectedness/</a> and <code>Sentiment Analysis</code> in computational researches. For now, let's call both the task of identifying affect and sentiment, sentiment analysis.

Also note that <code>WN-Affect</code> is a rather old resource compared to <code>SentiWordNet</code>, <a href="http://sentiwordnet.isti.cnr.it/">http://sentiwordnet.isti.cnr.it/</a>. 

Here's a good resource for using SentiWordNet for sentiment analysis: <a href="https://github.com/kevincobain2000/sentiment_classifier">https://github.com/kevincobain2000/sentiment_classifier</a>. 

Often sentiment analysis has only two classes, <code>positive</code> or <code>negative</code> sentiment. Whereas the WN-affect uses 11 types of affectedness labels:

<ul>
<li>emotion</li>
<li>mood </li>
<li>trait </li>
<li>cognitive state </li>
<li>physical state </li>
<li>hedonic signal </li>
<li>emotion-eliciting </li>
<li>emotional response </li>
<li>behaviour </li>
<li>attitude </li>
<li>sensation</li>
</ul>

For each type, there are multiple classes, see <a href="https://github.com/larsmans/wordnet-domains-sentiwords/blob/master/wn-domains/wn-affect-1.1/a-hierarchy.xml">https://github.com/larsmans/wordnet-domains-sentiwords/blob/master/wn-domains/wn-affect-1.1/a-hierarchy.xml</a>

<hr>

To answer the question of how one can use the WN-Affect, there're several things you need to do:

First map WN1.6 to WN3.0 (it's not an easy task, you have to do several mappings, especially the mapping between 2.0-2.1)

Now using the WN-Affect with WN3.0, you can apply 

<ul>
<li>the same classification technique as he SentiWordNet sentiment classifier or</li>
<li>try to maximize the classes within text and then use some heuristics to choose 'positive' / 'negative'</li>
</ul>

blocks|key|1427198|text|影响使用WordNet+1.6偏移。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1427199|然而，WordNet+1.6仍然可以下载。您可以使用nltk.corpus.WordNetCorpusReader类加载它。我编写了所有的代码来完成它，这里。|offset|length|style|CODE|1427200|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/clemtoy/WNAffect^0|0|Q|V|24|2|0|0^^$0|@$1|2|3|4|5|6|7|P|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|Q|8|@$D|R|E|S|F|G]]|9|@$D|T|E|U|1|V]]|A|$]]|$1|H|3|-4|5|6|7|W|8|@]|9|@]|A|$]]]|I|$J|$5|K|L|M|A|$N|O]]]]

WordNet-Affect uses WordNet 1.6 offsets.

However, WordNet 1.6 is still available for download. You can use the <code>nltk.corpus.WordNetCorpusReader</code> class to load it. I wrote all the code to do it <a href="https://github.com/clemtoy/WNAffect" rel="noreferrer">here</a>.

I downloaded <a href="http://wndomains.fbk.eu/wnaffect.html" rel="noreferrer">WN-Affect</a>. I am however not sure how to use it to detect the mood of a sentence. For example if I have a string "I hate football." I want to be able to detect whether the mood is bad and the emotion is fear. WN-Affect has no tutorial on how to do it, and I am kind of new to python. Any help would be great!

Using WN-Affect to detect emotion/mood of a string

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我下载了。然而，我不知道如何用它来检测句子的语气。例如，如果我有一根线，“我讨厌足球。”我想知道情绪是坏的，情感是恐惧。WN没有关于如何做它的教程，而且我对python有点陌生。任何帮助都会很好！

问使用WN-情感检测字符串的情绪/情绪
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用WN-情感检测字符串的情绪/情绪EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用WN-情感检测字符串的情绪/情绪
EN