特征级别的情感分析

回到什么时候我们被称为textalytics,我们出版了教程这表明了如何执行功能级情感分析对于特定域:漫画评论。

漫威黑寡妇#1的封面

漫威的黑寡妇#1

从那时起,除了更改我们的名字,我们还提高了我们的情感分析API以及如何通过我们的定制引擎。在这篇文章中,我们将向您展示如何进行功能级别情感分析使用含义库德

我们API最新版本的主要变化之一是,在情感分析API提供的详细情感分析中使用自定义词典。我们将使用漫画评论为了说明如何工作,但是相同的过程适用于情感发挥作用的任何其他领域,例如酒店评论,FourSquare Tips,Facebook状态更新或有关特定事件的推文。

我们如何做到这一点?

当然,第一步是创建一个帐户如果您还没有,则在含义上。完成此操作后,您需要首先查看结果情绪分析提供的一切。您可以通过两种方法:通过使用测试控制台提供,或通过从您喜欢的语言中下载启动客户SDK部分

以下脚本是一个示例,说明如何在PHP中完成对API的基本调用:

在收到的响应中,有三种主要数据类型:

  • 本文的全球分析,包括极性,讽刺和主观性检测。
  • 在句子级别进行深入分析,并详细介绍了发现的极性术语以及每个句子中的实体和概念。
  • 对文本中发现的实体和概念相关的情感的汇总分析(特征级别的情感分析)。

这篇文章的重点是最后一部分,这就是句子中的内容。这对我没有吸引力,尽管我认为执行效果很好,而且对话很棒,但在这个特殊问题中,整个故事都是如此。”允许确定与“相关的极性”执行”与关联的不同之处。故事“ 或者 ”问题“。

处理特定于您自己的领域的实体

秘密身份是漫画域中的课程的标准,就名称识别而言,这意味着,要正确检测所有对实体的参考,必须知道字符的所有可能别名。漫画人物的字符计数成千上万,因此找到一个资源所包含此类信息的API不是很可能(除非您是奇迹, 当然)。以下文本是从评论中提取的黑寡妇#1

我可以继续谈论这本书。这就是我想要的黑寡妇漫画中想要的一切。内森·埃德蒙森(Nathan Edmondson)从大门跑来跑去。他对娜塔莎(Natasha)有很好的看法,阅读此问题将立即使您想要更多。菲尔·诺托(Phil Noto)的艺术非常好。他创造了一种充满活力的奇妙心情,使娜塔莎看起来很棒,而没有使她性爱。这是任何人都可以轻松潜入的漫画。购买一两个额外的副本,然后将它们交给您的朋友或亲人。这是《黑寡妇》和《漫画迷》应该得到的书。距离第二期几天?

在本文中,我们以Natasha Romanoff为例,代码名称“ Black Widow”。以下是与我们通过基本呼叫获得的实体相关的情感分析:

实体 - 极性(类型)
=================
·Natasha - P+(顶部> Person> firstName)
·黑寡妇 - 无(顶部)
·内森·埃德蒙森(Nathan Edmondson) - 无(上>个人> fullname)
·菲尔·诺托(Phil Noto) - 无(上> person> fullname)

黑寡妇和纳塔莎被检测为两个不同的实体,在我们想要找到的是实体的汇总极性的情况下,我们需要能够检测其所有外观。考虑到这一点,我们的自定义引擎提供了指定实体的可能性,包括其他属性,它们的别名。在这种情况下,我们想要的是知道黑寡妇和娜塔莎·罗曼诺夫(Natasha Romanoff)是同一个人,所以我们要做的是创建用户词典- 我们称之为“漫画界“ - 接着创建一个条目在里面:

dict-bw-entry

通过创建的条目,我们可以通过将以下行添加到开头包含的脚本中来检查情感分析的输出如何更改。

$参数[['ud’] =“漫画”;

通过此参数,我们告诉情感分析API使用我们刚创建的字典。使用它,脚本将返回统一的所有实体外观,并计算出它们的汇总极性:

实体 - 极性(类型)
=================
·Natasha Romanoff - P+(顶部> Person> fullname)
·内森·埃德蒙森(Nathan Edmondson) - 无(上>个人> fullname)
·菲尔·诺托(Phil Noto) - 无(上> person> fullname)

分析您自己概念的情感

概念可以做同样的事情。在这种情况下,我们想检查秘密复仇者#16,以及关于漫画不同方面的说法:

这是过去一年中最吸引人,最动人的故事情节之一,甚至有能力以令人满意,令人满意的方式解决自己。角色几乎没有毫发无损,但大多数人可能永远不会确切记得他们是如何被殴打的。这个问题结束时,玛丽亚·希尔(Maria Hill)的形象令人惊叹,她获得了一个特写镜头,总结了这一标题。她知道自己必须做什么,但她讨厌她必须这样做。这就是整个奔跑的想法。

同样,如果我们只是进行了对情感分析的基本呼吁,我们将看到与所检测到的基本概念相关的情感:

概念 - 极性(类型)
=================
·角色 - P(顶>人)

就像我们为实体所做的方式一样,我们将添加到我们创建的概念的词典中,我们要分析其极性。当我们在我们感兴趣的概念过于通用以至于在基本提取中出现(例如在本示例中的“图像”或“问题”)或在那些充满技术语言的域中的概念时,此功能特别有用。大多数API都不会考虑(例如,医疗领域)。

这就是我们获得的结果:

概念 - 极性(类型)
=================
·角色 - P(顶>人)
·图像 - P(顶>漫画)
·发行 - 无(顶部>顶部>漫画)
·故事情节 - P+(顶>漫画)

我们应用于检测超级英雄的相同方法和特定于漫画的不同概念可用于轻松,深入分析目的是从有限的资源集中提取信息的任何域。一个非常普遍的示例是分析手机评论,我们必须在其中添加作为我们感兴趣的不同模型的实体,以及不同的功能(屏幕,电池等)作为概念。

现在,您既拥有在任何领域中提取情感的工具和知识!


发表评论

您的电子邮件地址不会被公开。必需的地方已做标记*

*
*