我怎样才能提高新闻标题的情感分析的准确性？

Question

我使用Vader和TextBlob分析，结果好坏参半新闻标题的感悟：很多头条，我会考虑稍微负的评分为中性。下面是几个例子：

Who wants to live in an artificially intelligent future? 
# Vader: {'compound': 0.4588, 'pos': 0.273, 'neu': 0.727, 'neg': 0.0} 
# TextBlob: Sentiment(polarity=0.2840909090909091, subjectivity=0.40625) 

The internet and social media provide huge opportunities for the coming generation, but there’s a dark side from which it must be protected. 
# Vader: {'compound': 0.743, 'pos': 0.278, 'neu': 0.722, 'neg': 0.0} 
# TextBlob: Sentiment(polarity=0.09444444444444448, subjectivity=0.45555555555555555) 

For three months I’ve lived without tech and now realise we need to question its ever-encroaching invasion – before we end up in bed with a sex robot. 
# Vader {'compound': 0.0, 'pos': 0.0, 'neu': 1.0, 'neg': 0.0} 
# TextBlob Sentiment(polarity=0.0, subjectivity=0.0) 

我觉得第一句话可读取这两种方式，但后两个肯定是要他们负元素：“有一个黑暗的一面”和“其不断蚕食入侵”，所以我很惊讶地看到Vader给出了0的负面疼痛和给出0或更高极性的TextBlob。

这些是一种文本只是从根本上难以情感分析算法，或者是有其他的方法，我可以考虑？

我提到的图书馆的吸引力在于，我没有做我自己的分类数据集，但我可能会考虑，如果我很可能会取得更好的成绩。

Answer 1

基本的区别是，大多数现有的工具上的个别单词的景气指数工作。例如，在文本中的任何地方找到“喜欢”或“优秀”都会表示积极评价。你的例子更多的取决于对短语的一些“理解”，只需要最少的解析。这是一个更加详细的过程，需要更深入地理解语言语义。

你的一种方法可能攻击这是用索引短语（插入为单词）以及单词来填充词典。然后，您会预处理输入，以将这些短语转换为您在词典中使用的任何指示。例如，将这些短语加下划线 - “dark_side”在您的词典中，并且索引为负数。

我希望这给你一个有用的方向轻推。