如何对推文进行分类（支持还是不支持）以预测选举结果

Question

[主意

我正在收集有关11月担任美国总统职位的三大候选人的推文。在收集了来自不同州的推文之后，我将对这些推文进行评分，然后在各个方面分析每个候选人的关注者/支持者。

问题

我确定应该使用哪种方法对推文进行分类，以产生合理的结果。更确切地说，我不知道如何判断一条推文是否支持或反对特定候选人。

我尝试了什么

我尝试使用名为textblob的库。给定一条推文，它将返回一个形式为Sentiment（极性，主观性）的元组。极性是一个浮动值，范围为[-1,1]，其中1表示肯定陈述，-1表示否定陈述。应用此方法根本不会返回合理的结果。例如，给定类似“唐纳德·特朗普很恐怖！我仍然支持他。”的推文，它返回的极性为[[-1.0（负），根本没有任何意义。

进一步研究

我查找了更多示例并找到了this。在该示例中，作者使用了心情词汇表（来自互联网），随后为每个推文分配了心情。我打算仔细阅读该文章并应用其中使用的方法。

我的问题

对这些推文进行分类的正确方法是什么？我应该考虑在进一步研究部分中提到的那个吗？
• 如果一条推文包含两个名字怎么办？例如“特朗普将击败拜登”。使用特定方法如何对这样的事情进行评分？

Answer 1

Sentiment Analysis是NLP（自然语言处理）的主题。您想知道的是NLP，它是机器学习的许多有趣分支之一。

您权衡推文极性的方法是正确的。由于您又有3个不同的候选人。标签，这是一个更有趣的问题。

我将为每个推文存储一个长度为3的情感数组，以便为​​每个候选人计算权重。例如;这样的推文：“ A不好。B会做得更好！但是C也可能呢？”可能会产生[-1，0.8，0.4]。

为此，您需要corpus。数据集即您的数据集应包含每个推文的推文和标签，以便您的机器学习模型可以从这些推文中学习。

[有很多方法可以建立机器学习模型并将其与数据集一起训练。那是数据科学的话题。数据科学家试图改善一些性能指标，以改善其模型。

最简单的方法是，从tweet中解析出所有单词，在带有标签的哈希图中增加其值并进行规范化。现在，您有了一个包含每个单词的情感值的哈希图。

但是实际上，这不能很好地解决，因为离群值和缺乏数据集会影响您的结果。因此，您需要查看数据，问题并选择正确的机器学习模型。查看此article，以了解有关构建情感分类器的更多信息。