您的功能请求是否与问题相关？请描述。
一个清晰简洁的问题描述。例如：当我[...]时，总是感到沮丧。目前在处理后没有绝对最小和最大情感分数的参考。
描述您希望实现的功能
一个清晰简洁的描述，说明您希望发生什么。您能提供sentiment.md文件中的情感刻度吗？例如：-1 -> 1
描述您考虑过的替代方案
一个清晰简洁的描述，说明您考虑过的其他解决方案或功能。
其他上下文
在此功能请求中添加任何其他上下文或屏幕截图。
gab6jxml1#
情感分析是通过词典完成的，每种语言都有三种可能的词典类型：
有一张表格列出了每种语言可用的词典：https://github.com/axa-group/nlp.js/blob/master/docs/v4/language-support.md#sentiment-analysis在情感分析中，通常会将分类分为三类：负面、中性和平。因此，如果分数是负数，那么情感就是负面的；如果分数是0,那么情感就是中性的；如果分数是正数，那么情感就是正面的。情感分析的结果表示属性类型中使用的词典类型。情感分析的响应示例：
{ score: 0.313, numWords: 3, numHits: 1, comparative: 0.10433333333333333, type: 'senticon', language: 'en' }
为了更好地理解AFINN,我推荐观看Finn Årup Nielsen原始论文的讲座：https://arxiv.org/abs/1103.2903为了更好地了解不同词典情感分析方法之间的准确性，https://www.researchgate.net/publication/343473213_Evaluating_the_performance_of_the_most_important_Lexicons_used_to_Sentiment_analysis_and_opinions_Mining在NLP.js中有两个主要改进：否定词和计算词干。还有一篇分析情感分析改进的文章，并非所有都用于NLP.js:https://www.sciencedirect.com/science/article/pii/S2090447921003105希望你喜欢阅读
dgenwo3n2#
这是我遇到的问题：{情感： {分数： 1.563,单词数： 20,命中次数： 7,平均值： 0.07815,类型： 'senticon',区域设置： 'en',投票： '正面'}}Senticon返回的分数大于1。
gajydyqb3#
在我之前的评论中："score将包含使用词典计算的句子的总分数"Total = 几个之和numHits为7,表示你的句子中有7个词在词典中，而numWords为20,意味着有13个词不在词典中。1.563是这7个词的总分数。
3条答案
按热度按时间gab6jxml1#
情感分析是通过词典完成的，每种语言都有三种可能的词典类型：
有一张表格列出了每种语言可用的词典：
https://github.com/axa-group/nlp.js/blob/master/docs/v4/language-support.md#sentiment-analysis
在情感分析中，通常会将分类分为三类：负面、中性和平。因此，如果分数是负数，那么情感就是负面的；如果分数是0,那么情感就是中性的；如果分数是正数，那么情感就是正面的。
情感分析的结果表示属性类型中使用的词典类型。
情感分析的响应示例：
为了更好地理解AFINN,我推荐观看Finn Årup Nielsen原始论文的讲座：
https://arxiv.org/abs/1103.2903
为了更好地了解不同词典情感分析方法之间的准确性，
https://www.researchgate.net/publication/343473213_Evaluating_the_performance_of_the_most_important_Lexicons_used_to_Sentiment_analysis_and_opinions_Mining
在NLP.js中有两个主要改进：否定词和计算词干。
还有一篇分析情感分析改进的文章，并非所有都用于NLP.js:
https://www.sciencedirect.com/science/article/pii/S2090447921003105
希望你喜欢阅读
dgenwo3n2#
这是我遇到的问题：
{
情感： {
分数： 1.563,
单词数： 20,
命中次数： 7,
平均值： 0.07815,
类型： 'senticon',
区域设置： 'en',
投票： '正面'
}
}
Senticon返回的分数大于1。
gajydyqb3#
在我之前的评论中："score将包含使用词典计算的句子的总分数"
Total = 几个之和
numHits为7,表示你的句子中有7个词在词典中，而numWords为20,意味着有13个词不在词典中。
1.563是这7个词的总分数。