情感分类推荐使用什么算法和软件包

从最基本的开始吧：基于词典的正负词词频，我们实验室一个小组曾经在新浪微博上使用这个方法，惊讶的发现这个如此不优美的方法的效果竟然那么的“可以看”。在此之上一个改进的法是对大量数据做一次二元的离散化（假定是正负情感），以此选定阈值，离散化的方法有很多，不再赘述。接下来的方法主要分为两类：基于特征（feature-based）：这类方法比较好理解，无非是人来选定特征空间，然后对每一个数据项生成一个特征向量，使用分类器对向量进行分类，理论上所有的分类器都可以实现这个需求，只是效果更不同。方法之一是就是KNN，但是和所有基于特征的方法一样，特征的选取是一个永恒的话题，像KNN这种还需要维护巨大矩阵的方法尤其难以满足实用需求，但是对于KNN的空间优化也有相应的法，就是对每个数据项指记录K项最近距离，也就是K个，当有更近的数据项进来时，替换最远的数据项，此外，我也同意@范文阁下的观点，觉得KNN的效果不会好于SVM。SVM：经典分类器，我决不敢自称完全理解SVM，但使用方法大同，也是将数据项生成特征向量（稍后会介绍另一种方法），但是特征的选取是一个永恒的话题，因为一切特征对于描述一个数据项来说都是必要的（但是不一定重要），但是我们尽量选取合适的特征组来保证分类的准确率，这一切，这所做的一切都是对无法枚举出所有特征的现状的妥协。SVM的开源包有很多，楼主可以试试libsvm和svmlight。基于核函数（KernelMethod-based）：前面提到人为的选取特征的局限性，并且隐含的线性不可分问题。核函数是一个计算两个对象之间“相关度”（kernel）的函数。有关核函数的定义和优化方法不一会儿能够谈清，仅列出文献：wiki：http://enwikipediaorg/wiki/Kernel_methodsTextClassificationusingStringKernels：http://dlacmorg/citationcfmid=944799&dl=ACM&coll=DL&CFID=96216241&CFTOKEN=33225628KernelMethodforGeneralPatternAnalysis:http://wwwkernel-methodsnet/tutorials/KMtalkpdf（以下方法没有经过验证）基于核函数的SVM，应用方式（以情感分类为例）可以简单地做文本分类（当然可以预先做词性过滤），对于每一个需要做情感分类的文本之间算出kernel值，用这个矩阵在svm中得到model，然后对于测试数据，或者预测数据在对训练数据中的每一项算kernel值，拿这个矩阵用model去做测试（预测）。这个过程的一个“快餐”的理解方式是：将每一个数据与测试数据集中的每一项的相似度的向量当成之前feature-based的方法中的特征向量，整个过程不过还是一个基于特征的训练-预测过程（当然，这说法是不对的）。libsvm中自带subsequencekernel的实现使用参数-t来进行使用，此外也支持自定义核函数。之前谈过的KNN，我觉得也可以引入kernel，但是至于可行性和必要性嘛，大家也就当讨论一下吧。简单来说就是将KNN中的欧式距离替换成kernel值。==============================CRF应该没法做情感分类吧，毕竟不是分类器，拿它做过实体识别，感觉序列标注器不适合这个问题。严重同意@范文阁下的说法，在实用领域，预处理和数据获取（语料）才是王道，机器学习就和人学习一样，教育方法再好，教的东西不好一样是浮云。拿我大二数据挖掘老师的话讲，统计模型都是现成的，拼得就是数据。

　　amd处理器的SVM虚拟化功能是指将单台电脑软件环境分割为多个独立分区，每个分区均可以按照需要模拟电脑的一项技术。

　计算机俗称电脑，是现代一种用于高速计算的电子计算机器，可以进行数值计算，又可以进行逻辑计算，还具有存储记忆功能。是能够按照程序运行，自动、高速处理海量数据的现代化智能电子设备。由硬件系统和软件系统所组成，没有安装任何软件的计算机称为裸机。可分为超级计算机、工业控制计算机、网络计算机、个人计算机、嵌入式计算机五类，较先进的计算机有生物计算机、光子计算机、量子计算机等。

雾霾天气是一种大气污染状态，是对大气中各种悬浮颗粒物含量超标的笼统表述。我们常说的雾霾其实是雾和霾的组合，但是雾是雾，霾是霾，雾和霾的区别很大。简单地说，空气中细微的水珠是雾，属于液体，而霾则是固体，是由空气中的微小尘粒、硫酸、硝酸、可吸入颗粒物等粒子组成的。它能使空气变浑浊，能见度降低，两者结合在一起就是雾霾。两者结合的情况，形象的比喻一下，就是小孩子玩泥巴，把沙泥和水混在一起，又混又脏。各种污染物的排放一旦超过大气循环能力和承载度，各种颗粒物浓度会持续积聚，如果此时天气处于静稳状态，就容易出现大范围的雾霾。

　　二氧化硫、氮氧化物以及可吸入颗粒物这三项是雾霾主要组成，前两者为气态污染物，最后一项颗粒物才是加重雾霾天气污染的罪魁祸首。它们与雾气结合在一起，让天空瞬间变得灰蒙蒙的。

1、 NLTK — Natural Language Toolkit

搞自然语言处理的同学应该没有人不知道NLTK吧，这儿也就不多说了。不过引荐两本书籍给刚刚触摸NLTK或许需求具体了解NLTK的同学: 一个是官方的《Natural Language Processing with Python》，以介绍NLTK里的功用用法为主，一起附带一些Python常识，一起国内陈涛同学友情翻译了一个中文版，这儿可以看到：引荐《用Python进行自然语言处理》中文翻译-NLTK配套书;另外一本是《Python Text Processing with NLTK 20 Cookbook》，这本书要深入一些，会涉及到NLTK的代码结构，一起会介绍怎么定制自己的语料和模型等，相当不错。

2、 Pattern

Pattern由比利时安特卫普大学CLiPS实验室出品，客观的说，Pattern不仅仅是一套文本处理东西，它更是一套web数据挖掘东西，囊括了数据抓取模块(包含Google, Twitter, 维基百科的API，以及爬虫和HTML剖析器)，文本处理模块(词性标示，情感剖析等)，机器学习模块(VSM, 聚类，SVM)以及可视化模块等，可以说，Pattern的这一整套逻辑也是这篇文章的组织逻辑，不过这儿我们暂时把Pattern放到文本处理部分。我个人首要使用的是它的英文处理模块Patternen, 有许多很不错的文本处理功用，包含基础的tokenize, 词性标示，语句切分，语法检查，拼写纠错，情感剖析，句法剖析等，相当不错。

3、 TextBlob: Simplified Text Processing

TextBlob是一个很有意思的Python文本处理东西包，它其实是根据上面两个Python东西包NLKT和Pattern做了封装(TextBlob stands on the giant shoulders of NLTK and pattern, and plays nicely with both)，一起供给了许多文本处理功用的接口，包含词性标示，名词短语提取，情感剖析，文本分类，拼写检查等，甚至包含翻译和语言检测，不过这个是根据Google的API的，有调用次数约束。

4、 MBSP for Python

MBSP与Pattern同源，同出自比利时安特卫普大学CLiPS实验室，供给了Word Tokenization, 语句切分，词性标示，Chunking, Lemmatization，句法剖析等根本的文本处理功用，感兴趣的同学可以重视。

关于 Python文本处理工具都有哪些，环球青藤小编就和大家分享到这里了，学习是永无止境的，学习一项技能更是受益终身，所以，只要肯努力学，什么时候开始都不晚。如果您还想继续了解关于python编程的学习方法及素材等内容，可以点击本站其他文章学习。

分享链接：https://panbaiducom/share/initsurl=k1svMG5Vlo-6S7OV_1nbyQ

提取码：hcmh 复制这段内容后打开百度网盘App，操作更方便哦。

作品相关简介：

《甜蜜》是由阎建钢执导，海清、任重领衔主演，施诗、赵秦主演的都市情感剧，该剧于2021年2月18日在中央电视台电视剧频道首播，并在央视频、腾讯视频、爱奇艺、芒果TV同步播出。

该剧讲述了全职太太田蜜在遭遇生活变故后，毅然决然地担起偿还巨债，并重振企业的故事。