我有一个关于情感分析的问题需要帮助。

目前，我通过Twitter搜索API收集了一大堆推文。因为我使用了搜索词，我知道我想关注的主题或实体（人名）。我想知道其他人对这些人的感受如何。

首先，我下载了一份已知情感分值的英语词汇列表，并根据推文中这些词的可用性计算情感（正/负）。问题是，这种方式计算的情感——实际上我更多地是在看推文的语气，而不是关于那个人的情感。

例如，我有这样一条推文：

"lol... Person A is a joke. lmao!"

这条消息显然是积极的语气，但Person A应该得到负面评价。

为了改进我的情感分析，我可能会考虑我的词汇列表中的否定和修饰词。但具体怎样才能让我的情感分析关注消息的主题（甚至是讽刺）呢？

如果有人能指引我找到一些资源，那就太好了…

回答：

在等待人工智能领域研究者的回答时，我会给你一些你可以快速采取的线索。

尽管这个话题需要自然语言处理、机器学习甚至心理学的知识，除非你非常迫切或对该领域的研究质量没有信心，否则你不必从头开始。

情感分析的一种可能方法是将其视为一个监督学习问题，你需要一个包含人工注释的小型训练语料库（稍后会详细介绍），以及一个测试语料库，用来测试你的方法/系统的表现。对于训练，你需要一些分类器，比如SVM、HMM或其他，但要保持简单。我会从二元分类开始：好，坏。你也可以对从正面到负面的连续意见范围进行同样的操作，以获得一个排名，就像谷歌那样，最有价值的结果排在前面。

首先查看libsvm分类器，它既能进行分类{好，坏}，也能进行回归（排名）。注释的质量会对你得到的结果产生巨大影响，但从哪里获得这些注释呢？

我发现了一个关于情感分析的项目，它涉及到餐馆。那里有数据和代码，所以你可以看到他们如何从自然语言中提取特征，以及哪些特征在分类或回归中得分较高。语料库由顾客对他们最近访问的餐馆的意见组成，包括对食物、服务或氛围的反馈。他们对餐馆的评价与数字世界的联系通过他们给餐馆的星级数来表达。一边是自然语言，另一边是餐馆的评分。

通过这个例子，你可以为所述问题设计自己的方法。也看看nltk。使用nltk，你可以进行词性标注，运气好的话还能获取名字。完成这些后，你可以为你的分类器添加一个功能，如果在n个词内（跳过n-gram）有表达意见的词（参考餐馆语料库），或使用你已有的权重，但最好还是依靠分类器来学习权重，这是它的工作。