我一直试图从患者在医院的评论中推断出及时性评分(基于患者等待时间的评分)。可用的数据是患者的评论和他们对整体体验的评分。问题是我没有患者及时性评分的标签，而是对整个体验的评分。 像“我已经等了很长一段时间，但体验是值得的”这样的评论，具有良好的背景和良好的评级，应该返回一个有点糟糕的及时性分数，同样的事情“等待很短，但它并不能证明不好的理由”服务'。因此，撰写评论的人的背景/感受也很重要。 我清理了评论并提取了与等待时间相关的句子部分(如果存在)，并使用 TextBlob 或 VaderSentiment 等库来推断患者的情绪是否积极。问题是，在 20% 的情况下，我从不同的图书馆得到了不同的结果，而且它们并不总是最有意义的(等待时间较长但在良好背景下的评论会返回一个良好的等待时间，但它应该在至少保持中立)。 我需要某种方法，可以将句子的上下文和实际评分与他们等待的时间相关联并得出分数，这是一种考虑整个句子但寻找特定的情感分析谈论等待时间的上下文。
最佳答案
您的问题称为“基于方面的情感分析”。我不是这方面的专家，但也许这个博客可以帮助您入门 - monkeylearn.com/blog/aspect-based-sentiment-analysis
关于python - 医院等候时间的情绪分析，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59182579/