TextBlob，完全不准确

Question

查看我们最近所做的一项调查的回应。我认为这位受访者并没有那么高兴。在这里，TextBlob 会让我相信他的情绪已经达到了积极的上限。如果我从字符串情绪分数中删除“最佳”这个词，它就会变成“0”。

你能帮我重新灌输我的信任是 TextBlob，我在这个非常简单的应用程序中做错了什么？

a = "Follow on rounds for the best prospects. Some choke to death now."
b = TextBlob(a)
print b.sentiment 

情感（极性=1.0，主观性=0.3）

谢谢，

Answer 1

您需要了解，即使学习了很少的东西，机器也不是人类。声明“为了最好的前景而进行轮次。现在有些人窒息而死。” 即使对于人类识别情绪也有点令人困惑，因为第一个和第二个陈述之间似乎没有或更少的关系。

此外，您可能会看到许多其他真实案例，其中极性与非常明显的事物相反。如果您需要处理许多此类情况，您可以使用以下代码，这可能会大大改善您的结果。

from textblob import TextBlob
from textblob.sentiments import NaiveBayesAnalyzer
a = "Follow on rounds for the best prospects. Some choke to death now."
b = TextBlob(a, analyzer=NaiveBayesAnalyzer()))
print(b.sentiment)

对于您的示例（我个人认为这不是一个好的示例，即使对人类来说也令人困惑），结果如下：
Sentiment(classification='pos', p_pos=0.5730186699265399, p_neg=0.42698133007345906)

它仍然是正数，但您可以看到 pos 和 neg 分数之间的差异。对我来说，它在大多数情况下都是成功的，相关且有意义的句子。

有关代码更改内容的说明，请参见下文：

textblob.sentiments 模块包含两个情感分析实现，PatternAnalyzer（基于模式库）和 NaiveBayesAnalyzer（在电影评论语料库上训练的 NLTK 分类器）。

默认实现是 PatternAnalyzer，但您可以通过将另一个实现传递到 TextBlob 的构造函数来覆盖分析器。