Typy i podejścia do analizy sentymentu

Analiza sentymentu w Pythonie

Violeta Misheva

Data Scientist

Poziomy granularności

  1. Poziom dokumentu

  2. Poziom zdania

  3. Poziom aspektu

Aparat w tym telefonie jest całkiem dobry, ale żywotność baterii jest rozczarowująca.

Analiza sentymentu w Pythonie

Typy algorytmów analizy sentymentu

  • Oparte na regułach/leksykonie

nice:+2, good:+1, terrible: -3 ...

Today was a good day.

  Today: 0, was:0, a:0, good:+1, day:0
  Total valence: +1

 

  • Automatyczne/uczenie maszynowe
Analiza sentymentu w Pythonie

Czym jest walencja zdania?

text = "Today was a good day."

from textblob import TextBlob

my_valence = TextBlob(text)
my_valence.sentiment

Sentiment(polarity=0.7, subjectivity=0.6000000000000001)
Analiza sentymentu w Pythonie

Automatyczne czy oparte na regułach?

Automatyczne/uczenie maszynowe

  • Wymaga oznakowanych danych historycznych
  • Trenowanie może trwać dość długo
  • Najnowsze modele uczenia maszynowego mogą być bardzo skuteczne

Oparte na regułach/leksykonie

  • Opiera się na ręcznie tworzonych wynikach walencji
  • Różne słowa mogą mieć różną polaryzację w zależności od kontekstu
  • Może działać bardzo szybko
Analiza sentymentu w Pythonie

Czas na ćwiczenia!

Analiza sentymentu w Pythonie

Preparing Video For Download...