python - 如何对推文进行分类（支持与不支持）以预测选举结果

Question

这个想法

我正在收集有关 11 月美国总统的三位主要候选人的推文。在收集了来自不同州的推文后，我会对这些推文进行评分，然后从各个方面分析每个候选人的关注者/支持者。

问题

我确定应该使用什么方法对推文进行分类以产生合理的结果。更准确地说，我不知道如何判断一条推文是支持还是反对特定候选人。

我试过的

我尝试使用一个名为textblob的库。给定一条推文，它返回一个 Sentiment(polarity,subjectivity) 形式的元组。Polarity 是一个浮点数，位于 [-1,1] 范围内，其中 1 表示肯定陈述，-1 表示否定陈述。此方法在应用时根本不会返回合理的结果。例如，给定一条类似“唐纳德特朗普太可怕了！我仍然支持他”的推文。，它返回-1.0 （负）的极性，这根本没有任何意义。

进一步的研究

我查找了更多示例并找到了这个。在该示例中，作者使用了一个情绪词汇（来自互联网），然后为每条推文分配了一种情绪。我打算仔细看看那篇文章并应用那里使用的方法。

我的问题

• 对这些推文进行分类的正确方法是什么？我应该考虑我在进一步研究部分中提到的那个吗？
• 如果一条推文包含两个名字怎么办？诸如“特朗普将击败拜登”之类的东西。使用特定方法如何对这样的事情进行评分？

标签： pythontwitternlppredictionsentiment-analysis

Answer 1

情感分析是 NLP（自然语言处理）的一个主题。您想知道的是 NLP，它是机器学习的许多有趣分支之一。

您权衡推文极性的方法是正确的。因为你有 3 个不同的候选人。标签，这是一个更有趣的问题。

我会为每条推文存储一个长度为 3 的情感数组，以便计算每个候选人的权重。例如; 类似“A 很糟糕。B 会做得更好！但 C 也可能？”这样的推文 可能会产生 [-1, 0.8, 0.4]。

为此，您需要一个语料库。语料库（即您的数据集）应该包含每条推文的推文和标签，以便您的机器学习模型可以从推文中学习。

有很多方法可以构建机器学习模型并使用您的数据集对其进行训练。那是数据科学的主题。数据科学家试图改进一些性能指标以改进他们的模型。

最简单的方法是，从推文中解析出所有单词，在带有标签的哈希映射中增加它们的值并进行规范化。现在您有了一个包含每个单词的情绪值的哈希图。

但实际上，这不会很好，因为异常值和缺乏数据集会影响您的结果。因此，您需要查看您的数据、问题并选择正确的机器学习模型。查看本文以了解有关构建情感分类器的更多信息。