Esto es lo que debes hacer.
Si tiene datos etiquetados :
- Cree características a partir de las frases de texto, la más fácil es la Matriz de documentos de términos
- Alimente esto a cualquier clasificador (SVM / ANN …) y entrene su modelo
- Generar resultados para datos de prueba
También revise: En el análisis de sentimientos, ¿cómo convierte la información semántica y sintáctica contenida en el texto en vectores de características?
Análisis de sentimientos en críticas de películas
- ¿Por qué tantos geeks de datos se unen a compañías web en lugar de resolver problemas de datos a gran escala en biología?
- ¿Qué tan efectivo es usar medidas simples de correlación en la selección de características?
- ¿Qué arquitectura / herramientas usan los gigantes tecnológicos como Facebook / Amazon / Apple / Microsoft para el análisis de big data / ML?
- ¿Qué es un buen libro que discute los principios de la ingeniería de características, en el contexto del aprendizaje automático?
- ¿Qué es incrustar | espacio incrustado | ¿Incorporación de características en arquitecturas neurales profundas?
Si no tiene datos etiquetados, lo que sucede la mayor parte del tiempo:
- Encuentre un gran corpus (documentos) relacionado con el campo para el que desea realizar un análisis de sentimientos. Puede obtenerlo de algún lugar, puede ser su cliente o de Internet, como Google News, etc.
- Ejecute el análisis semántico latente y calcule la polaridad de todas las palabras. Por lo tanto, debe obtener una lista de palabras positivas, negativas y neutrales con fuerza.
- Una vez que obtenga esta lista, para cada oración, conéctela en palabras y encuentre la polaridad de toda la oración y, por lo tanto, obtenga el análisis de sentimientos.
También echa un vistazo: ¿Cuáles son los buenos algoritmos relacionados con el análisis de sentimientos?