我需要使用Stanford NLP工具对有关特定主题的新闻文章进行情绪分析 .
这样的工具只允许基于句子的情感分析，而我想提取关于我的主题的整篇文章的情绪评估 .
例如，如果我的主题是Apple，我想知道关于Apple的新闻文章的情绪 .
只计算我文章中句子的平均值是不行的 . 例如，我可能会有一篇文章说“Apple非常擅长这一点，而且就是这样 . 虽然Google产品因这些原因而非常糟糕” . 这样的文章会使用句子的平均分数来产生中性分类，而实际上这是一篇关于Apple的非常积极的文章 .
另一方面，过滤我的句子只包括含有Apple这个词的那些句子会错过“Apple的产品A非常好的文章 . 但是，它缺乏以下关键特征：......” . 在这种情况下，如果我只使用包含单词Apple的句子，则第二句的效果将会丢失 .
有没有一种解决这类问题的标准方法？ Stanford NLP是否是实现目标的错误工具？
1 回答
更新：您可能想查看http://blog.getprismatic.com/deeper-content-analysis-with-aspects/
这是一个非常活跃的研究领域，所以很难找到一个现成的工具来做到这一点（斯坦福CoreNLP至少没有 Build 任何东西） . 一些指示：研究基于方面的情绪分析 . 在这种情况下，Apple将是一个“方面”（不是真的，但可以这样建模） . 安大略麦卡勒姆在麻省大学的工作小组，刘冰冰的UIC小组，康奈尔大学的NLP小组等人都在解决这个问题 .
如果你想快速修复，我建议从提及Apple及其产品的句子中提取情绪;使用coref（查看斯坦福CoreNLP中的dcoref注释器），这将增加句子的回忆并解决句子问题，如“但是，它缺乏......” .