Primero, necesita saber un poco sobre PNL si desea hacer un ‘análisis de sentimientos‘ serio y no solo un conteo de palabras positivo y negativo. Puede pasar por las conferencias de Coursera y conocer la PNL en general y también la tarea de Análisis de sentimientos. Una de las conferencias está dedicada al tema.
Antes de hacer su propio analizador de sentimientos, intente ejecutar este como se describe. No se preocupe, dice “aprendizaje profundo”, pero la primera parte es fácil. Tienes que hacer una pequeña configuración para Python y algunos paquetes de Python.
Si está viendo JAVA, consulte Deeply Moving: Deep Learning for Sentiment Analysis.
- Aprendizaje automático: Alex Casalboni: ¿Cuál es la mejor herramienta de ML para desenfocar caras (los tres tipos de visión izquierda, derecha y frontal) y placas en las imágenes?
- ¿Cuál es el alcance del aprendizaje automático en la verificación?
- ¿Qué es el muestreo de control de casos y por qué necesitamos corregir el término constante en regresión logística (aprendizaje automático)?
- Fuera de Theano, Caffe y DeepLearning4j, ¿hay alguna buena biblioteca de DeepLearning?
- ¿Quién ha explorado las aplicaciones del modelo Word2vec en datos que no sean lenguajes naturales?
Una vez que comprenda lo que está sucediendo en esos paquetes. Seguramente podrás hacer lo tuyo. Para ello
- En primer lugar, comience a buscar tweets de Twitter desde el dominio que desee
- Haga un análisis manual de cuáles son exactamente los patrones de los sentimientos.
- Qué tipo de sentimientos pueden existir en el dominio que le interesa, o simplemente + ve y -ve también están bien
- Identifique las características, extráigalas, entrene y pruebe.
Puede utilizar WEKA (Data Mining with Open Source Machine Learning Software en Java) para el aprendizaje automático en caso de que desee hacerlo en Java. También hay otros paquetes de Aprendizaje automático, expóralos en busca del idioma que elijas.
¡La mejor manera de aprender es hacerlo!