Определение "настроения" текстовых фраз посредством лексического анализа

Это звучит как довольно ясная задача двоичной классификации, где вы можете упростить проблему до положительного или отрицательного, а затем принять самые энтропийные решения или те, которые не достигли порога определенности с помощью массы вероятности, установленной на нейтраль.

вашим самым большим препятствием будет получение данных обучения для стохастического метода машинного обучения. Вы можете легко сделать это с помощью легкодоступной модели максимальной энтропии, такой как инструментарий для Advanced Дискриминационное Моделирование или молоток. Функции, которые вы описали, просто должны быть отформатированы для входных данных, используемых этими моделями.

чтобы получить данные обучения, вы можете либо сделать какой-то платный краудсорсинг, как механический турок Amazon, либо просто сделать это самостоятельно, возможно, с помощью друга. Вам понадобится много данных для этого. Вы можете улучшить прогнозную силу своей модели в свете нехватки данных с помощью таких подходов, как активное обучение, ансамбли или Повышение, но важно протестировать их против реальных данных как можно лучше и выбрать то, что лучше всего работает в практическом приложении.

Если вы ищете документы для этого, вы хотите посмотреть на термин "анализ настроений" в Google Scholar. Ассоциация компьютерной лингвистики имеет много бесплатных и полезных статей из конференций и журналов, которые рассматривают проблему с лингвистической, а также алгоритмической точка зрения. Я бы также просмотрел их архивы. Удачи!