基于此推文的用户情绪分析和分类？基于推文对​​用户（正面或负面）进行分类的最佳方法？

Question

我正在根据关注者推文对 Twitter 帐户的关注者进行分类（positive/negative），

收集数据

1. 从各自的帐户中获取所有关注者和他们的推文
2. 每条推文的情感分析并标记为（positive/negative/中性）

哪一个是正确的方法？如果不是...有没有更好的方法？

我的用户分类方法一：

1. 由于中立的极性得分为0，删除所有中立标签的推文
2. 计算正面和负面推文的数量
   1. 所有推文中只有 17% 的负面推文 (pos+neg)
3. 我将阈值保持为 34%，并根据数据用户对推文进行分组
   1. 在用户的总推文(pos+neg)中，如果负面推文占34%以上我将他归类为负面用户否则正面用户
4. 结果：在 300 个关注者中，我有 19 个是负面的，其余的是正面的

我的方法 1 代码

users=set(classify_followers['users'])
user_to_classify=[]
classify=[]
for user in users:
    user_to_classify.append(user)
    temp=classify_followers[(classify_followers['users']==user)]
    if(temp.shape[0]>1):
        if(('positive' in set(temp['sentiment'])) 
           and ('negative' in set(temp['sentiment'])) ):
            positive_count=temp[(temp['sentiment']=='positive')]['sentiment'].count()
            negetive_count=temp[(temp['sentiment']=='negative')]['sentiment'].count()
            positive_percent=(positive_count/temp.shape[0])*100
            negetive_percent=(negetive_count/temp.shape[0])*100
            if(negetive_percent>=34):
                classify.append('negative')
            else:
                classify.append('positive')
        else:
            if('positive' in set(temp['sentiment'])):
                classify.append('positive')
            else:
                classify.append('negative')
    else:
        if('positive' in set(temp['sentiment'])):
            classify.append('positive')
        else:
            classify.append('negative')

我的用户分类方法二：

1. 由于中立的极性得分为0，删除所有中立标签的推文
2. 使用k-means算法对tweets进行聚类（从先验知识可知正面tweets较多，所以tweets较多的簇为positive cluster）
3. 根据数据用户对推文进行分组
4. 预测用户的每条推文属于哪个集群，并用集群名称标记推文
5. 计算集群标签，并为用户分配正面或负面
6. 结果：在 300 个关注者中，我有 19 个是负面的，其余的是正面的

我的方法 2 代码

df=data[((data['sentiment']=='negative') | (data['sentiment']=='positive'))]
vectorizer = TfidfVectorizer(stop_words='english')
X = vectorizer.fit_transform(df['tweets'])

true_k = 2
model = KMeans(n_clusters=true_k, init='k-means++'
               , max_iter=10000, n_init=1)
model.fit(X)

print("Top terms per cluster:")
order_centroids = model.cluster_centers_.argsort()[:, ::-1]
terms = vectorizer.get_feature_names()
for i in range(true_k):
    print("Cluster %d:" % i),
    for ind in order_centroids[i, :20]:
        print(' %s' % terms[ind]),
    print

labels=model.labels_
print( np.bincount(labels))
d=pd.DataFrame()
d['labels']=labels
d['senti']=df['sentiment']
d['labels'].value_counts()
#to know which label having more data(more data is positive less is negative)
a=[i for i in range(0,len(labels)) if((d['senti'][i]=='positive') 
                                      and d['labels'][i]==1)]
b=[i for i in range(0,len(labels)) if((d['senti'][i]=='positive') 
                                      and d['labels'][i]==0)]
c=[i for i in range(0,len(labels)) if((d['senti'][i]=='negative') 
                                      and d['labels'][i]==1)]
d=[i for i in range(0,len(labels)) if((d['senti'][i]=='negative') 
                                      and d['labels'][i]==0)]
print(len(a),len(b),len(c),len(d))
users=set(df['users'])
prediction=[]
for user in users:
    temp=df[(df['users']==user)]
    temp=temp['tweets']
    Y = vectorizer.transform(temp)
    tweet_predictions=model.predict(Y)
    no_one=np.count_nonzero(tweet_predictions==1)
    no_zero=np.count_nonzero(tweet_predictions==0)
    if(no_one>no_zero):
        prediction.append('positive')
    else:
        prediction.append('negative')

这是根据推文对用户进行分类的正确方法吗？如果不是...还有更好的方法吗？

Answer 1

正确的做法是第三种：

一些评委会评估您的一部分用户，并根据他们的推文为他们分配情感分数。然后使用一些机器学习技术（我建议支持向量机），你可以根据这些标记的例子训练一个模型，作为输入提供他们的推文内容、情绪分数、正面和负面的绝对数量、负面百分比或其他（汇总）相关特征。最后，您应该将模型应用于看不见的用户以了解他们的极性。

我也不想引入train-validation-test，但应该是这样的。您的方法没有使用机器学习来区分用户，因为您只是将其用作黑匣子来收集推文的极性。