用于情感分析的最佳开源模型 — 第 1 部分：字典模型 字典模式确实很快，但代价是精度较低

介绍

在本系列文章中，我将尝试回答过去受到我的一位数据科学同事启发的问题：情感分析的最佳模型是什么？对于这个比较测试，我选择了 13 个流行的模型，这些模型经过预先训练用于情感分析，并且可以开源。在第 1 部分中，您将找到 4 个字典模型（3 个用于 Python，1 个用于 R），在第 2 部分中，我另外回顾了 9 个神经网络模型。

但首先，什么是情绪分析以及为什么它很重要？

情感分析是确定自然语言背后的观点、判断或情感的过程

情绪分析是一种非常强大的技术，可以用来分析客户反馈、监控社交媒体，甚至预测股票价格！然而，这是一项相当复杂的任务，因为它处理非结构化文本数据以及语言的细微差别。老实说，即使是人类也不能总是正确地表达情绪，例如，在处理讽刺时。

指标

情感分析最常见的指标是极性，我将在本文中使用它。然而，在文献中，您还可以找到其他指标，例如主观性（如果您想分析偏见）、情感（如果您想检测仇恨言论）等。

极性通常在 [-1, 1] 范围内测量，其中 -1 对应于强烈的负面情绪，0 对应于中性情绪，+1 对应于强烈的正面情绪。拥有极性值非常有用，因为它允许定义您自己的极性阈值t，将中性类别与负/正类别分开（参见下图）。

某些模型不输出极性值，而是提供不同情绪类别的概率：p --（强负面）、p -（负面）、p 0（中性）、p +（正面）、p ++（强正面） ）。预测