Libreria di analisi del sentiment C++

Question

Sto cercando una libreria di analisi del sentimento C++ che potrei usare nella mia applicazione. Qualcosa che richiederebbe un testo scritto da un umano come argomento e restituirà informazioni sul suo stato d'animo (positivo, negativo, neutro, arrabbiato, felice, ...). Qualche idea?

Qualche osservazione:

• Io non sto cercando una biblioteca con "solo" strumenti NLP (come tokenizzazione testo, PoS di tagging, ecc), ma in realtà qualcosa che fa Sentiment Analysis/opinion mining/analisi dell'umore. Ovviamente una libreria NLP con lo strumento di analisi dei sentimenti è grande.
• Qualcosa di molto semplice sarebbe ok (es. Restituendo + 1/-1/0)
• Non mi interessa quale tecnica sottostante possa usare (dizionari, materiale bayesiano, SVM, basato su regole ...)
• Solo C++!

So che probabilmente non esiste proprio così, ma hey.

Answer 1

Suggerirei di scriverne uno proprio. Puoi catturare l'80% dell'umore in modo corretto con un semplice filtro per le parole positive e negative, e puoi scalare il tuo segno sulla base di alcune parole modali e punteggiatura comuni. Se vuoi spremere il succo da quel restante 20% di ambiguità e non vuoi allenare il tuo SVM o qualsiasi altra cosa, ti suggerirei di trovare dei documenti allo op.to/goog/scholar+ alcuni di quei giornali avranno autori che hanno scritto librerie C++ e parlano su dove puoi trovarli/scaricarli.

Vedere anche this SO post tra molti altri per ulteriori idee.

Answer 2

Eviterei di utilizzare elenchi di parole che si tenta di prevedere: semplicemente non è in grado di spiegare la nicchia e il linguaggio variabile trovato nei testi umani reali (supponendo che siano roba sociale). Non posso aiutarti con una libreria C++, ma se sei felice di chiamare un servizio web puoi usare il nostro gratuitamente Sentiment Analysis of social media.

Answer 3

Si può anche dare un'occhiata a API Bitext per sentiment analysis: https://www.bitext.com/text-analysis-api-and-faq/

E 'attualmente disponibile in inglese, spagnolo, portoghese, francese, italiano, tedesco, olandese e catalano.

Non è necessario alcun addestramento di dati, poiché le tecnologie linguistiche di Bitext si basano su grammatica e dizionari, non sull'apprendimento automatico o sulle statistiche.