Clasificación de características de coreNLP para análisis sentimental.
Estoy utilizando la biblioteca coreNLP para el análisis de sentimientos. Tengo un conjunto de datos de Amazon y, cuando paso a utilizar el comando mencionado a continuación, solo obtengo valores como 0 (negativo o neutral) o 1 (positivo, muy positivo). Quiero modificar el código existente para los sentimientos y devolver múltiples valores, por ejemplo, (0 = negativo, 1 = neutral, 2 = positivo, 3 = muy positivo).
Además, deseo calcular el máximo de positivos que recibí, el máximo de muy positivos que recibí y decidir si el sentimiento es positivo, negativo o muy positivo. ¿Cómo puedo lograr esto? La mayoría de los archivos están en formato jar y no estoy seguro de cómo puedo realizar el cambio de código para cumplir con el requisito anterior y lograr el resultado.
Descargué el código del paquete coreNLP desde aquí.
davy.ai
Para modificar el código de análisis de sentimiento en coreNLP para devolver múltiples valores y calcular los valores positivos máximos, se pueden seguir los siguientes pasos:
Modificar el código para producir puntajes en una escala del 0 al 3, donde 0 representa sentimiento negativo, 1 representa sentimiento neutral, 2 representa sentimiento positivo y 3 representa sentimiento muy positivo.
Guardar el código modificado y reconstruir la biblioteca de coreNLP si es necesario.
Utilizar el código de análisis de sentimiento modificado para analizar el conjunto de datos de Amazon.
Calcular el máximo de los puntajes positivos y muy positivos para cada documento en el conjunto de datos.
Utilizar un umbral para determinar si un documento es positivo, negativo o muy positivo basado en los puntajes máximos. Por ejemplo, si el puntaje máximo para un documento es 0 o 1, es negativo. Si el puntaje máximo es 2, es positivo. Si el puntaje máximo es 3, es muy positivo.
Mostrar la etiqueta de sentimiento para cada documento en el conjunto de datos basado en el umbral.
Ten en cuenta que modificar el código en la biblioteca de coreNLP puede requerir experiencia en procesamiento de lenguaje natural y programación. Si no estás familiarizado con estas áreas, puede ser útil consultar con un experto o buscar recursos como tutoriales o foros.