Biblioteka analiz sentymentów C++

Question

Szukam biblioteki analizy nastrojów C++, której mógłbym użyć w mojej aplikacji. Coś, co mogłoby zająć tekst napisany przez człowieka jako argument i zwrócić informację o jego nastroju (pozytywny, negatywny, neutralny, zły, szczęśliwy ...). Jakieś pomysły?

Kilka uwag:

• Nie szukam dla biblioteki z „tylko” narzędziami NLP (jak tokeny tekstowym POS tagowanie), ale naprawdę coś robi sentyment analiza/opinia górnictwo/analiza nastroju. Oczywiście biblioteka NLP z narzędziem do analizy sentencji jest świetna.
• Coś bardzo prostego byłoby ok (np. Właśnie wracając + 1/-1/0).
• Nie obchodzi mnie, z której techniki bazowej może korzystać (słowniki, treści bayesowskie, maszyny SVM, oparte na regułach ...)
• Tylko w C++!

Wiem, że prawdopodobnie tak nie jest, ale hej.

Answer 1

Proponuję napisać własną. Możesz poprawnie uchwycić 80% nastrój za pomocą prostego filtru dla pozytywnych i negatywnych sentymentów, a możesz skalować swój znak na podstawie popularnych modalnych słów i interpunkcji. Jeśli chcesz wycisnąć sok z pozostałych 20% niejednoznaczności i nie chcesz ćwiczyć własnego SVM lub czegoś podobnego, sugerowałbym znalezienie artykułów na op.to/goog/scholar+ niektóre z tych artykułów będą miały autorów, którzy napisali biblioteki C++ i rozmawiają o tym, gdzie można je znaleźć/pobrać.

Zobacz także this SO post wśród wielu innych po więcej pomysłów.

Answer 2

Unikałbym używania list słów, które starasz się przewidzieć - po prostu nie może wyjaśnić niszowych i różniących się od siebie języków w prawdziwych tekstach ludzkich (zakładając, że są to rzeczy społeczne). Nie mogę ci pomóc z biblioteką C++, ale jeśli jesteś zadowolony z połączenia się z serwisem internetowym, możesz skorzystać z naszego za darmo Sentiment Analysis of social media.

Answer 3

Można również spojrzeć na Bitext API do analizy sentyment: https://www.bitext.com/text-analysis-api-and-faq/

Obecnie obsługuje język angielski, hiszpański, portugalski, francuski, włoski, niemiecki, holenderski i kataloński.

Nie trzeba wykonywać żadnych szkoleń z danymi, ponieważ technologie językowe Bitext są oparte na gramatyce i słownikach językowych, a nie na uczeniu maszynowym lub statystyce.