解析文档以获得主观情感

Question

我正在做一个关于机器阅读理解的项目。

我想要一台机器来阅读一篇文章，并给我基于一个提供的标记的情感。

例如，考虑到投入：“杰克逊高地应该看到房地产的增长，而其他地区的经纪公司应该看到一个急剧下降”。给定标记：“杰克逊高地”应该返回一个表示积极情绪的分数:例如，.72给出了标记：“布鲁克林”应该返回一个得分，表示负面情绪: e.g -.72

我试着用几种不同的方法解决这个问题。我一直在跟踪一个情感分析教程。我已经链接到相应的jupyter笔记本了。

问题是，这种“情绪分析”实际上并没有做太多的多方面的原因。

1. 情感分析删除了诸如“过去”和“过去”这样的停止词。因此，“我将购买谷歌股票”和“我不会购买谷歌股票”的声明将对同样的情绪进行评估。
2. 情感分析仅限于每一篇文章，因此了解什么主题适用于情感是很重要的。例如，“我爱鸡，恨鱼”可能会产生负面情绪，因为神经网络倾向于对接近尾声的陈述给予更大的重视。然而，以主题为基础的情感表征。

我已经对一些开源技术进行了研究，比如AllenNLP，但是，这似乎不太有希望，因为该模型假设问题可以解决。鉴于这篇文章：“下周谷歌的价格应该上涨3%”，还有一个“雅虎将增长多少”的问题，产出仍然强调"3%“，而不是什么都没有回报。

之后，我研究了一个简单的问题回答机器人使用卡格尔。

这似乎有点稳健，但似乎有点过火，我不想研究一个复杂的人工智能模型，如果有一个更简单的解决方案。

以最简单的形式提出这个问题。

我想把一个文档解析成一个标记列表，上面有他们的情感得分。不过，我尝试过的解决方案、删除重要信息和完整的NLP似乎有点过火了。

有人能勾勒出一个简单有效的过程来获得令牌化的情感分析吗？

Answer 1

据我所知，您所要做的任务需要一个系统来正确地分析句子的语义水平。一般来说，这是自然语言理解，没有解决这个问题的办法。

给出你的例子，看起来有一个问题是把句子的不同部分分开，这样你就可以独立地分析句子的正确部分了。这是可行的:您可以使用浅层或深层解析方法来提取块或子树，然后可以将情感分析应用于包含目标实体的部分。

一般来说，不要期望情绪分析或任何语义任务都能得到完美的结果。尽管DL在近几年取得了很大的进步，但这些问题仍然是研究的热点问题(可能还会有很长一段时间的研究)。