我希望有人纠正我对 VADER 如何评分文本的理解。我已阅读此过程的说明 here ，但是在重新创建它描述的过程时，我无法将测试句子的复合分数与 Vader 的输出相匹配。假设我们有一句话:
"I like using VADER, its a fun tool to use"
VADER 选择的词是“喜欢”(+1.5 分)和“有趣”(+2.3)。根据文档，这些值被求和(所以 +3.8)，然后使用以下函数归一化到 0 和 1 之间的范围:
(alpha = 15)
x / x2 + alpha
有了我们的数字，这应该变成:
3.8 / 14.44 + 15 = 0.1290
然而，VADER 输出返回的复合分数如下:
Scores: {'neg': 0.0, 'neu': 0.508, 'pos': 0.492, 'compound': 0.7003}
我的推理哪里出了问题？ Similar问题已被问过多次，但尚未提供 VADER 分类的实际示例。任何帮助，将不胜感激。
最佳答案
只是你的规范化是错误的。来自 code函数定义为:
def normalize(score, alpha=15):
"""
Normalize the score to be between -1 and 1 using an alpha that
approximates the max expected value
"""
norm_score = score/math.sqrt((score*score) + alpha)
return norm_score
所以你有 3.8/sqrt(3.8*3.8 + 15) = 0.7003
关于python - NLTK 的 Vader 评分文本示例，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/51707282/