有没有办法提高情感维德情绪分析器？

Question

我的文本来自一个社交网络，所以你可以想象它的本质，我认为文本是干净的，我能想象到的最小；在执行以下卫生处理之后：

• 没有网址，没有用户名
• 没有标点，没有重音
• 没有数字
• 没有停止语（我想维德还是这么做的）

我认为运行时是线性的，我不打算做任何并行化，因为更改可用代码需要大量的工作， 例如，对于大约1000个从~50kb到~150kb的文本，它需要大约

在我的机器上运行时间大约是10分钟。在

有没有更好的方法来输入算法来加快烹饪时间？ 代码很简单，就像感伤强度分析器要工作的那样，这里是主要部分

sid = SentimentIntensityAnalyzer()

c.execute("select body, creation_date, group_id from posts where (substring(lower(body) from (%s))=(%s)) and language=\'en\' order by creation _ date DESC (s,s,)")
conn.commit()
if(c.rowcount>0):
                dump_fetched = c.fetchall()

textsSql=pd.DataFrame(dump_fetched,columns=['body','created_at', 'group_id'])
del dump_fetched
gc.collect()
texts = textsSql['body'].values
# here, some data manipulation: steps listed above
polarity_ = [sid.polarity_scores(s)['compound'] for s in texts]

Answer 1

/1。你不需要删除停止语，nltk+vader已经这样做了。在

/2。您不需要删除标点符号，因为这会影响维德的极性计算，除了处理开销。所以，继续用标点符号。在

    >>> txt = "this is superb!"
    >>> s.polarity_scores(txt)
    {'neg': 0.0, 'neu': 0.313, 'pos': 0.687, 'compound': 0.6588}
    >>> txt = "this is superb"
    >>> s.polarity_scores(txt)
    {'neg': 0.0, 'neu': 0.328, 'pos': 0.672, 'compound': 0.6249}

/3.你也应该引入句子标记化，因为它会提高准确性，然后根据句子。例句这里：https://github.com/cjhutto/vaderSentiment/blob/master/vaderSentiment/vaderSentiment.py#L517

/4。极性计算是完全独立的，可以使用一个multiprocessing pool来计算小尺寸，比如10，以提供很好的速度提升。在

polarity_ = [sid.polarity_scores(s)['compound'] for s in texts]