情绪分析：3种以上情绪
Sentiment analysis: more than 3 sentiments
我的应用需要情绪分析功能。我发现有很多服务和图书馆可以帮助完成这项任务。但它们中的大多数都有 "three-dimensional" 输出：文本可能被分类为 "positive"、"negative" 或“中性。
但是，如果我需要更多种类的选项怎么办？例如："confident/doubtful"、"calm/alerted"、"kind/aggressive" 或类似的东西。
甚至可以进行这样的分类吗？可能已经有一些 services/frameworks/libraries 可用？
您可以使用机器学习算法。我使用 "Support Vector Machine" (https://en.wikipedia.org/wiki/Support_vector_machine) 进行情绪分析。
Support Vector Machine 是一种监督算法，因此您需要使用先前分类的数据（自信、怀疑、冷静、警觉、善良、进取）来训练算法。最后，您将获得一个可用于对新文本进行分类的模型。
我已经将 LibSVM 库与 phyton (https://www.csie.ntu.edu.tw/~cjlin/libsvm/) 一起使用，并取得了不错的效果。我认为您也可以将它与 java.
一起使用
你应该试试 WordNet-Affect. This ressource provides a tree of emotions. As it is a quite old ressource, you will have to manually parsed it and to map the IDs with WordNet 1.6 synsets (I did this work in Python here).
我的应用需要情绪分析功能。我发现有很多服务和图书馆可以帮助完成这项任务。但它们中的大多数都有 "three-dimensional" 输出：文本可能被分类为 "positive"、"negative" 或“中性。
但是，如果我需要更多种类的选项怎么办？例如："confident/doubtful"、"calm/alerted"、"kind/aggressive" 或类似的东西。
甚至可以进行这样的分类吗？可能已经有一些 services/frameworks/libraries 可用？
您可以使用机器学习算法。我使用 "Support Vector Machine" (https://en.wikipedia.org/wiki/Support_vector_machine) 进行情绪分析。
Support Vector Machine 是一种监督算法，因此您需要使用先前分类的数据（自信、怀疑、冷静、警觉、善良、进取）来训练算法。最后，您将获得一个可用于对新文本进行分类的模型。
我已经将 LibSVM 库与 phyton (https://www.csie.ntu.edu.tw/~cjlin/libsvm/) 一起使用，并取得了不错的效果。我认为您也可以将它与 java.
一起使用你应该试试 WordNet-Affect. This ressource provides a tree of emotions. As it is a quite old ressource, you will have to manually parsed it and to map the IDs with WordNet 1.6 synsets (I did this work in Python here).