Twitter情感分析技术

Question

我正在做一个关于twitter情绪分析的项目，但是有些事情我在思考。在

既然tweet非常短（少于140个字符），那么什么样的文本分析技术应用得最好。例如。词干分析和长文章一样有效吗？在

n克呢？短促的微博对他们来说是最好的还是最坏的？在

k-nearest比词性标注更准确吗？在

随着时间的推移，我的自定义twitter数据集会变得不相关/损坏吗？因为twitter和它上面的信息变化如此之快，这也是我最关心的问题。在

非常感谢您抽出时间。在

PS：你有没有什么好的twitter情感数据集？定期更新就好了。在

Answer 1

我做了一些功课，分析名人的微博并比较它们的相似之处。在

最大的问题，你认为，是一条微博的长度。在140个字符，许多单词被缩短，或不寻常的“txt语音”。所以即使是一个众所周知的词干分析器，比如Porter也会给出一些奇怪的结果。最好保留几乎所有的内容，只在字数、向量等之后进行规范化

从单词推断，n-grams和以下链接是质量推断的一个重要因素。我只能忍受4-gram的空间和时间需求，但是即使创建简单的2-gram也有很大的改进。在

如果你注意到我刚才说了“几乎所有的事”。在我只关注热门名人推文的情况下，我遇到了一个问题：他们的很多微博都是与他们的活动、赞助商等的链接或呼喊，所以很大一部分是删除大量重复的垃圾邮件。在

对于提取准确情绪的方法或任何你想要的衡量标准，我会首先尝试基于朴素贝叶斯的方法。对于基线，它是简单和相对准确的。K-means会做得相当好，但是要记住，它没有考虑方差和协方差，但是它是另一个可以尝试的基线。在

希望能提供一些见解。在

Answer 2

我最近在twitter上对一部电影做了一个分析，以了解人们在twitter上对这部电影有何评论，他们是否喜欢这部电影。这个链接对我帮助很大。此外，我还收集了一份在推特上常用的快捷方式列表，其中涵盖了人们的情绪。在

另外，一个人的tweet只能保存到3000（或者3.5k不确定？）你自己的时间轴流也有类似的限制。因此，您可以使用http://topsy.com获取您选择的tweet或主题，并从那里获取特定主题的旧tweet进行分析。你可能还想定期保存你需要的tweets，以备将来参考，因为twitter不会为你保存。在

：）