我正在基于情感的无监督方面进行分析。我尝试使用Vader进行测试，这给了我很好的结果，但是问题是，如果话题像“食物浪费”一样是负面的，那么即使内容在说“我真的很讨厌食物浪费”，但情绪总是负面的。 有人可以帮我解决这个问题，甚至可以向我建议一种比维达更好的方法。 我也尝试过使用“ flair”，但其结果不如Vader那样有希望。
r598933630 回答：基于无监督方面的情感分析中的问题
在这种情况下，VADER使用的基于规则的模型可能不是一个很好的方法，在这个短语中，您有3个单词肯定会得到负分（讨厌的食物浪费），请记住，VADER已针对简洁的社交媒体数据进行了优化并不能很好地理解这些短语的“上下文”。
在TextBlob中，我们采用了与VADER类似的方法，但您可以尝试很多工作：https://textblob.readthedocs.io/en/dev/
通常，受监督的路线可以提供更好的结果，但是您需要一个良好的预训练模型和良好的数据。
scikit-learn中的朴素贝叶斯分类器： https://www.datacamp.com/community/tutorials/simplifying-sentiment-analysis-python
随机森林方法，始终使用scikit-learn： https://stackabuse.com/python-for-nlp-sentiment-analysis-with-scikit-learn/
以下是对情绪分析的各种方法的概述： https://towardsdatascience.com/fine-grained-sentiment-analysis-in-python-part-1-2697bb111ed4