您可以使用Amazon ML构建用于情绪分析的良好机器学习模型。
这是一个github项目的链接: https://github.com/awslabs/machine-learning-samples/tree/master/social-media
由于Amazon ML支持监督学习以及文本作为输入属性,因此您需要获取标记的数据样本并使用它构建模型。
标签可以基于Mechanical Turk,如上例所示,或使用实习生( “夏天来了” )为你做标记。使用特定标记的好处是可以将逻辑放入模型中。例如,“啤酒很冷”或“牛排很冷”之间的差异,其中一个是积极的,一个是消极的,这是一个通用系统难以学习的东西。
您还可以尝试使用上面的项目中的一些示例数据,或者从此Kaggle竞赛中获取有关电影评论的情绪分析: https://www.kaggle.com/c/sentiment-analysis-on-movie-reviews 。我在该数据集上使用了Amazon ML,并且相当容易且快速地获得了相当好的结果。
请注意,您还可以使用Amazon ML根据您正在构建的模型运行实时预测,并且可以使用它来立即响应负(或正)输入。在这里查看更多: http://docs.aws.amazon.com/machine-learning/latest/dg/interpreting_predictions.html
这对开始来说非常棒。强烈建议您将其作为选项进行探索。但是,要意识到局限性:
优点: