关于情感分析的自然语言处理工具列表-您推荐哪个[关闭]

Posted 2023-02-16

【中文标题】关于情感分析的自然语言处理工具列表-您推荐哪个[关闭]

【英文标题】：List of Natural Language Processing Tools in Regards to Sentiment Analysis - Which one do you recommend [closed]

【发布时间】：2012-08-31 06:03:20

【问题描述】：

首先抱歉我的英语不太完美...我来自德国;)

因此，对于我的一个研究项目（学士论文），我需要分析关于某些公司和品牌的推文的情绪。为此，我需要编写自己的程序脚本/使用某种修改过的开源代码（没有 API ——我需要了解正在发生的事情）。

您将在下面找到我找到的一些 NLP 应用程序的列表。我现在的问题是您会推荐哪种方法以及哪种方法？哪一个不需要长夜调整代码？

例如：当我在推特上播放音乐播放器 >iPod

哪个软件足够聪明，可以理解重点是 iPod 而不是天气？

还有哪个软件是可扩展的/资源高效的（我想分析几条推文，不想花数千美元）？

机器学习和数据挖掘

Weka - 是用于数据挖掘的机器学习算法的集合。它是最流行的文本分类框架之一。它包含多种算法的实现，包括朴素贝叶斯和支持向量机（SVM，在 SMO 下列出）[注意：其他常用的非 Java SVM 实现是 SVM-Light、LibSVM 和 SVMTorch]。一个相关的项目是 Kea（Keyphrase Extraction Algorithm），一种从文本文档中提取关键短语的算法。

Apache Lucene Mahout - 一个孵化器项目，用于在 Hadoop map-reduce 框架之上创建通用机器学习算法的高度可扩展分布式实现。

自然语言处理工具

LingPipe - （技术上不是“开源”，见下文）Alias-I 的 Lingpipe 是一套用于文本语言处理的 Java 工具，包括实体提取、语音标记 (pos)、聚类、分类等... 是业界最成熟、应用最广泛的开源 NLP 工具包之一。它以其速度、稳定性和可扩展性而闻名。它的最佳功能之一是大量精心编写的教程，可帮助您入门。他们有一个竞争链接列表，包括学术和工业工具。请务必查看他们的博客。 LingPipe 是在包含源代码的免版税商业许可下发布的，但从技术上讲它不是“开源”。

OpenNLP - 托管各种基于 Java 的 NLP 工具，这些工具执行句子检测、标记化、词性标记、分块和解析、命名实体检测以及使用Maxent 机器学习包。

Stanford Parser and Part-of-Speech (POS) Tagger - 斯坦福 NLP 小组的用于句子解析和词性标注的 Java 包。它具有概率自然语言解析器的实现，包括高度优化的 PCFG 和词法依赖解析器，以及词法 PCFG 解析器。它具有完整的 GNU GPL 许可证。

OpenFST - 用于操作加权有限状态自动机的包。这些通常用于表示概率模型。它们用于为语音识别、OCR 纠错、机器翻译和各种其他任务的文本建模。该库由 Google Research 和 NYU 的贡献者开发。它是一个 C++ 库，旨在快速且可扩展。

NTLK - 自然语言工具包是用于教学和研究分类、聚类、语音标记和解析等的工具。它包含一组用于实验的教程和数据集。它由墨尔本大学的 Steven Bird 撰写。

意见查找器 - 一个执行主观分析的系统，自动识别意见、情绪、推测和其他私人状态何时出现在文本中。具体来说，OpinionFinder 旨在识别主观句子并标记这些句子中主观性的各个方面，包括主观性的来源（持有者）以及表达积极或消极情绪的短语中包含的单词。

Tawlk/osae - 用于对社交文本进行情感分类的 Python 库。最终目标是拥有一个“正常工作”的简单库。它应该有一个容易进入的障碍，并有完整的记录。我们使用在 negwords.txt 和 poswords.txt 上收集的推文进行停用词过滤，实现了最佳准确性

GATE - GATE 已有 15 年以上的历史，并且正在积极用于涉及人类语言的所有类型的计算任务。 GATE 擅长各种形状和大小的文本分析。从大公司到小型初创公司，从价值数百万欧元的研究联盟到本科项目，我们的用户社区是此类系统中最大和最多样化的，并且分布在除一个大陆之外的所有大陆1。

textir - 一套用于文本和情感挖掘的工具。这包括用于稀疏多项逻辑回归的“mnlm”函数、简洁的偏最小二乘例程“pls”和用于在潜在主题模型中进行有效估计和维度选择的“topics”函数。

NLP 工具套件 - 这里的 JULIE 实验室提供了一个全面的 NLP 工具套件，用于语义搜索、信息提取和文本挖掘等应用目的。我们不断扩展的大部分工具套件都基于机器学习方法，因此与领域和语言无关。

...

附带说明：您会推荐 twitter 流式传输还是 get API？

就我而言，我是 python 和 java 的粉丝 ;)

非常感谢您的帮助！！！

【参考方案1】：

我不确定我能提供多少帮助，但我以前曾使用过手动 NLP。我想到了几个问题 - 并非所有产品都与语言无关（即人类语言，而不是计算机语言）。如果您打算分析德语推文，那么您选择的产品能够处理德语就很重要。很明显我知道，但很容易忘记。还有一个事实是，在 Twitter 上，缩略词和首字母缩略词比比皆是，而且语言结构受到字符限制的限制，这意味着语法并不总是与语言的预期结构相匹配。

在英语中，如果您必须编写自己的代码，从句子中提取名词可以稍微简化一些。专有名词有首字母大写，一串这样的词（可能包括“of”）是名词短语的一个例子。以“a/an/my/his/hers/the/this/these/those”开头的词要么是形容词，要么是名词。不幸的是，之后变得更难了。

有一些规则可以帮助识别复数，但也有很多例外。我这里当然是说英语，我的德语口语很差，并不能帮助我理解我害怕的语法。