我有一个要研究的案例研究，其中有多个客户评论，我必须执行以下操作
根据他们的情绪来预测他们的情绪（积极，消极，中立） 评论
显示不是经常出现的单词的单词云 哪些是客户的痛点，哪些是什么 顾客很高兴。
例如如果许多顾客对手表的皮带感到满意，那么wordcloud应该在积极情绪的wordcloud中显示``leather-strap''。
＆如果许多客户抱怨/不满意表盘尺寸，则单词云应在负面情绪的单词云中显示“拨号尺寸”。
使用VADER可以或多或少地达到第1点。
但是我不确定如何实现第2点，因为这不是经常出现的单词的常见词云。
能帮我完成第二项任务吗？
由于没有共享代码，因此我将这个问题分解为以下步骤：
您已经找到了情感
对于情绪积极的句子组，从每个句子中找出最重要的单词
计算该单词出现在积极情绪中的次数
根据每个单词可用的次数创建单词云
对带有负面情绪的句子重复步骤2-4
检查以下链接：https://amueller.github.io/word_cloud/generated/wordcloud.WordCloud.html。
让我知道我是否错过了了解您的确切问题的机会。
,我想将其添加为评论，但在那里不够清晰。
好吧，我使用下面的代码：
Anaconda命令提示符：
pip install rake-nltk
Jupyter：
from rake_nltk import Rake
r = Rake()
myText = ''' The watch has a good dial. The good thing about the product is the
leather strap '''
r.extract_keywords_from_text(myText)
r.get_ranked_phrases()
输出：
['leather strap','good thing','good dial','watch','product']
我认为您可以在实际文本中尝试此算法并获得排名短语。希望这会有所帮助。 检查此链接以获取更多详细信息：https://pypi.org/project/rake-nltk/#:~:text=RAKE%20short%20for%20Rapid%20Automatic,other%20words%20in%20the%20text.