什么是使用Python的准确的Twitter情感分析解决方案？

Question

我有一个2万个tweets的CSV文件，其中包含所有信息，例如位置，用户名和日期，我想通过Python为每个tweet分配一个标签正/中/负。我将以下textblob库中的Python代码用于Tweets Sentiment Analysis。

import csv
from textblob import TextBlob
import sys

# Do some version specific stuff
if sys.version[0] == '3':
    from importlib import reload
    sntTweets = csv.writer(open("sentimentTweets.csv", "w", newline=''))

if sys.version[0] == '2':
    reload(sys)
    sys.setdefaultencoding("utf-8")
    sntTweets = csv.writer(open("sentimentTweets.csv", "w"))

alltweets = csv.reader(open("Corona.csv", 'r'))

for row in alltweets:
    blob = TextBlob(row[2])
    print (blob.sentiment.polarity)
    if blob.sentiment.polarity > 0:
        sntTweets.writerow([row[0], row[1], row[2], row[3], blob.sentiment.polarity, "positive"])
    elif blob.sentiment.polarity < 0:
        sntTweets.writerow([row[0], row[1], row[2], row[3], blob.sentiment.polarity, "negative"])
    elif blob.sentiment.polarity == 0.0:
        sntTweets.writerow([row[0], row[1], row[2], row[3], blob.sentiment.polarity, "neutral"])

此代码运行完美，并生成了sentimentTweets.csv文件。我喜欢这样的想法：对于每个推文，它都给我两个标签：-1和1之间的数字，并且还将推文分类为负面/中性/正面。

但不准确。例如，对于以下推文，它将分配正数，编号为：0.285714285714285。“ RT @eliyudin：“我会带电晕...拿着病毒！！-爸爸现在在佛罗里达某处度假”]但是如您所知，上述推文的情绪应该是负面的。如何使它准确？以及如何找到输出的准确性？

Answer 1

TextBlob根据输入的单词和块的极性（此处为代码：https://github.com/sloria/TextBlob/blob/e6cd9791ae42e37b5a2132676f9ca69340e8d8c0/textblob/_text.py#L854）来估计极性。这种方法很容易与诸如Tweets之类的嘈杂文本混淆。这很难改善，因为它取决于基础语言资源的质量。

我建议使用完全机器学习的模型，例如Flair：

import flair
flair_sentiment = flair.models.TextClassifier.load('en-sentiment')
s = flair.data.Sentence(sentence)
flair_sentiment.predict(s)
total_sentiment = s.labels

在FastText中训练模型也应该很容易：https://github.com/charlesmalafosse/FastText-sentiment-analysis-for-tweets