根据我对文本学习的了解，我们希望通过词干提取和删除停用词来降低数据的熵。然而，像“not”这样的停用词可能会对评论的含义和情感产生巨大影响。例如：

我不喜欢这部电影

变成：

我喜欢这部电影

如果我保留文本中的停用词，我假设它们的重要性足够小，不会产生影响，只是会花费更长时间来训练我的分类器。

我所感知的这两个权衡是否准确，或者是否有两全其美的办法，既能减少无关紧要的特征，又不至于破坏文本的情感表达？

回答：

这是否需要一个全有或全无的决定？如果停用词列表只有几千个词，你可以手动浏览列表，只保留那些对情感分析可能低信息量的词。例如，删除“the”和“a”，但保留“not”。

我可能会倾向于从停用词列表中删除任何你认为可能提供有用信息的词。如果该词实际上没有用，学习器会自己发现这一点。