与音乐相关的Twitter数据的情感分析功能

Question

需要一些与火花音乐上的音乐情绪分析有关的指导。

我试图在Twitter数据进行情感分析相关音乐鸣叫。经过大量网络搜索之后，我了解了如何使用'tweepy'python api获取推文，并且意识到我可以使用'朴素贝叶斯分类器'来最终对推文进行分类。现在我对如何定义这个分类的特征感到困惑，我应该定义至少500个特征。所以这是我的问题。我不想使用像'textblob'这样已经可用的API来查找推文的情绪。

1）任何人都可以给的，我们可以使用分类音乐相关的微博功能的一些例子吗？ [我们可以使用带有快乐笑脸的tweet作为正面训练集吗？如果有，这些鸣叫功能的话对我的分类？]

2）我们如何生成此分类的训练集？

3）如果我要筛选音乐相关的鸣叫鸣叫，我可以用布隆过滤器来实现呢？

4）什么是数据我可以通过tweepy API获得的大小呢？

如果我的理解有问题，请纠正我。

Answer 1

由于情绪分析进行监督的任务，你应该有训练集，（和测试）。在训练集中，您需要经常由人类（通常称为专家）给出的标签（如果情感分析为正面，负面）。不存在神奇数量的训练集实例（我使用1k5记录）。但是如果您需要科学证据，您应该根据训练集的大小分析模型的均方误差（MSE）。

1）最常用的方法是TF-IDF。它排名最好的特征（也包括微笑和其他符号）。你只需要设置功能的数量。同样，也有没有最好号码，你应该做的测试调整模型

2）你需要一个训练用标签（正或负），以每鸣叫设置。一般来说，它是由人类注释者获得的。

3）我从来没有使用过滤器。

4）通常情况下，Tweet api只给出所有推文的1-2％。我想Tweepy不能给你比它更多的东西。

我希望这可以帮助你。