我希望您给我一些建议，以解决这个问题。在大学里，我一直在解决意见挖掘任务，但在 Twitter 上，方法就完全不同了。例如，我使用集成学习方法对用户对西类牙某酒店的意见进行分类。当然，我得到了一个带有积极和消极意见的训练集，然后我用测试集进行了测试。但现在，有了 Twitter，我发现这种分类非常困难。
我需要训练集吗？如果这个问题的答案是肯定的，你不觉得twitter太短暂了，如果我有那一套，我在未来话题上的表现会很差吗？
我正在考虑获取一本字典(主要是形容词)并将我的推文与它交叉并获得术语文档矩阵，但我没有分配给任何推特的类。此外，积极形容词和消极形容词可能会根据主题和时间而有所不同。那么，该如何处理呢？
如何处理语言问题？例如，我想研究用英语和西类牙语编写的推文，但要分开研究。
您建议使用哪种编程语言来做这样的事情？我一直在尝试使用 R 软件包，例如 tm、twitteR。
最佳答案
- 当然，我认为情绪的使用方式将在几个月内保持不变。最坏的情况是你重新标记并重新训练。根据我的经验，无监督学习在工业应用方面的记录很糟糕。
- 您需要一些情感/形容词词典来存储情感内容 - 有一些数据集，但我忘记它们在哪里。我可能已经用更好的信息回答了之前的问题。
- 只要写英文推文，构建语言分类器相当容易，但您想从小事做起，所以放轻松
- Python (NLTK)，如果您想通过少量代码轻松完成此任务。 Java 拥有很好的 NLP 功能，但 Python 及其库对用户更加友好
关于sentiment-analysis - 如何应对 Twitter 情绪分析？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/10416343/