我正在数一个网站上正面评论的数量。考虑以下字符串:
$str_1 = "This is great";
$str_2 = "This is not great after all";
$str_3 = "That isn't good and I will not return to this store.";
它们的意思正好相反。在自动分类中，$str_2和3会被大多数分类器(只计算句子中肯定词的数量)视为肯定词。我想通过将"not"与"great"，"isn’t"与"good"answers"not"与"return"连接来避免这个错误，如下所示:
$str_1 = "This is great";
$str_2 = "This is not_great after all";
$str_3 = "That isn't_good and I will not_return to this store.";
我从标记字符串开始:
$tokens = explode("", $str_3);
但我不知道如何继续。如何将否定词后的单词("not"，"isn’t")与后面的单词连读?在这里使用正则表达式不是更好吗?
我不确定这个答案是否会很有帮助，恐怕…如果你真的试图对论坛上帖子的情绪进行分类，这是一个非常困难的问题。你的建议会让你在一定程度上达到目标，但英语(和其他语言)要复杂得多，这并没有考虑到。例如:
- 我不是在开玩笑:这个产品很烂
- 我极力推荐这个产品
- 我不能推荐这个产品
等。换句话说，在一些简单的情况下，寻找一个带否定的肯定词是有效的，但在很多其他情况下就行不通了。我想你会想要一个更复杂的方法。如果你有大量的训练数据(如手动分类评论)，你可以使用神经网络或分类器，如SVM或朴素贝叶斯分类器。
我怀疑你会发现，如果你继续使用regex方法，你会永远添加异常和特殊情况，它最终会变得非常复杂，只会在50%的情况下工作。抱歉，我不能再乐观了!
"Pattern"系统可能对情绪分析也有帮助:
-
比利时大选，2010年6月13日- Twitter意见挖掘http://www.clips.ua.ac.be/pages/pattern-examples-elections
http://www.clips.ua.ac.be/pages/pattern
这个可以作为您需求的开始。
https://github.com/JWHennessey/phpInsight