先达对不起，我不是那么完美的英语...我是来自德国;）列表 - 哪一个你推荐
所以，我的一个研究项目（学士论文）我需要分析关于某些公司和品牌的推特情绪。为此，我需要编写我自己的程序/使用某种经过修改的开源代码（没有API） - 我需要了解发生的事情）。
下面你会找到我发现的一些NLP应用程序的列表。我现在的问题是你会推荐哪一种方法？哪一个不需要长时间调整代码？
例如：当我为音乐播放器> iPod <进行屏幕截图时，有人写道：“这是一个糟糕的一天，但至少我的iPod让我开心”或者更难：“这是一个糟糕的一天，但至少我的iPod弥补它“
哪个软件足够聪明，以了解专注于iPod而不是天气？
另外哪些软件是可扩展的/资源高效的（我想分析多个推文并且不想花费数千美元）？
机器学习和数据挖掘
Weka中 - 是的机器学习算法用于数据挖掘的集合。它是最流行的文本分类框架之一。它包含各种算法的实现，包括朴素贝叶斯和支持向量机（支持向量机，列于SMO下）[注：其他常用的非Java SVM实现是SVM-Light，LibSVM和SVMTorch]。一个相关的项目是Kea（关键词提取算法），一种用于从文本文档中提取关键词的算法。
Apache Lucene Mahout - 一个孵化器项目，用于在Hadoop map-reduce框架之上创建高度可扩展的通用机器学习算法分布式实现。
NLP工具
LingPipe - （不是技术上的“开源，见下文）别名 - 我的Lingpipe是Java工具对文本的语言处理，包括实体提取，词性标注一套房（POS ），聚类，分类等...它是工业中最成熟和最广泛使用的开源NLP工具包之一。它以速度，稳定性和可扩展性而闻名。其最好的功能之一是广泛收集精心编写的教程，以帮助您入门。他们有一系列的竞争链接，包括学术和工业工具。一定要看看他们的博客。 LingPipe是在免版税的商业许可下发布的，其中包含源代码，但它在技术上不是“开源”。
OpenNLP - 举办各种基于java的NLP工具，执行判决检测，标记化，部分词性标注，组块和语法分析，命名实体检测，并使用Maxent模型机器学习联合引用分析包。
斯坦福分析器和词性标注（POS）标记 - 用于斯坦福NLP组的句子分析和词性标注的Java包。它具有概率自然语言分析器的实现，高度优化的PCFG和词法化的依赖分析器，以及词汇化的PCFG分析器。它有一个完整的GNU GPL许可证。
OpenFST - 用于处理加权有限状态自动机的包。这些经常被用来表示一个概率模型。它们用于为语音识别，OCR纠错，机器翻译和各种其他任务建模文本。该图书馆由谷歌研究和纽约大学的贡献者开发。这是一个C++库，其目的是快速和可扩展。
NTLK - 自然语言工具包是教学和研究分类，聚类，词性标注和解析，以及更多的工具。它包含一组用于实验的教程和数据集。它由墨尔本大学的Steven Bird撰写。
Opinion Finder - 一个系统，执行主观性分析，自动识别意见，情绪，猜测和其他私人状态何时出现在文本中。具体而言，OpinionFinder旨在确定主观句子和标记在这些句子的主观性的各个方面，包括主体和词语包括在表达的正或负情绪短语的源（支架）。
Tawlk/osae - 一个用于社会文本情感分类的python库。最终目标是建立一个简单的“正常工作”的图书馆。它应该有一个容易进入的障碍并被彻底记录。我们已经使用禁用词与收集negwords.txt和poswords.txt
GATE鸣叫过滤来达到的最佳精度 - GATE是15岁以上，是涉及人类语言所有类型的计算任务的运行。 GATE擅长对各种形状和尺寸的文本进行分析。从大公司到小创业公司，从€多万美元的研究财团本科项目，我们的用户社区是全球最大和最多样化的任何这种类型的系统，并在所有的传播，但continents1之一。
textir - 一套文本和情感挖掘工具。这包括“mnlm”功能，对稀疏多项Logistic回归，“请”，一个简洁的偏最小二乘法程序，和“主题”功能，在潜在主题模型有效估计和尺寸选择。
NLP工具包 - 朱莉实验室这里提供了一个全面的NLP工具套件进行语义搜索，信息提取和文本挖掘的应用目的。我们大部分不断扩展的工具套件都基于机器学习方法，因此独立于域和语言。
...
附注：您是否会推荐Twitter流媒体或获取API？
至于我，我Python和Java的粉丝;）
非常感谢您的帮助！