Negation und Sonderfälle behandeln

Das Zählen von Signalen scheitert bei not good, weil good weiterhin positiv bewertet wird. Eine Negation kann die Bedeutung eines Satzes umkehren und einen naiven Detektor täuschen.

Führen Sie eine kleine Liste von Negationswörtern wie not, never und no. Wenn eines davon vorkommt, bedeutet das direkt folgende Signalwort normalerweise das Gegenteil.

Eine einfache Lösung: Wenn ein Token ein Negationswort ist, invertieren Sie die Stimmung des darauffolgenden Wortes, bevor Sie es in den Score einbeziehen.

Eine Negation wirkt sich normalerweise auf das nächste Wort oder die nächsten beiden Wörter aus. Verwenden Sie daher ein kleines Fenster. Den gesamten Rest des Satzes umzukehren, wäre eine Überkorrektur.

Wörter wie very und really wirken als Intensivierer. Very good wirkt stärker als good. Sie können das nächste Signalwort daher stärker gewichten.

Einige Wörter schwächen eine Stimmung ab. Slightly und barely sind Abschwächer, die das Gewicht des von ihnen veränderten Signalworts verringern sollten.

Menschen drücken viele Gefühle mit Emojis aus. Ein Smiley liefert ein positives Signal, ein trauriges Gesicht ein negatives. Ordnen Sie häufige Emojis daher Ihrem Lexikon zu. 🙂

Starke Gefühle zeigen sich durch wiederholte Satzzeichen. Viele Ausrufezeichen können das Gewicht benachbarter Signale erhöhen, da amazing!! eindringlicher wirkt als amazing.

Regeln übersehen weiterhin Sarkasmus wie in just wonderful, another bug. Kennzeichnen Sie Fälle mit geringer Konfidenz zur Überprüfung. Ehrliche Grenzen sind besser als falsche Gewissheit.

Lange Rezensionen können gleichzeitig loben und sich beschweren. Eine einzige Bezeichnung verbirgt die Nuancen. Erwägen Sie daher eine satzweise Ausgabe der Stimmung, um ein klareres Bild zu erhalten.

Jede neue Regel schließt zwar eine Lücke, erhöht aber auch die Komplexität. Wenn sich Sonderfälle häufen, kann ein trainiertes Modell sie meist eleganter verarbeiten.

Sie haben den Detektor mit kleinen Regeln und Fenstern robuster gegenüber Negationen, Intensivierern, Emojis und Sarkasmus gemacht. Wenn sich Sonderfälle häufen, sollten Sie ein trainiertes Modell einsetzen. ✅