查看最近一次调查的反馈，我们做到了。我认为这个受访者并不高兴。在这里，TextBlob让我相信他的情绪已经达到了积极的极限。如果我从字符串中删除单词“ best”，则情感得分将变为“ 0”。
您是否会帮助我重新建立对TextBlob的信任，在这个非常简单的应用程序中我在做什么错？
a = "Follow on rounds for the best prospects. Some choke to death now."
b = TextBlob(a)
print b.sentiment
情绪（极性= 1.0，主观= 0.3）
谢谢，
最佳答案
您需要了解，即使学习了很少的东西，机器也不是人类。声明：“为最好的前景而努力。现在有些窒息而死。”甚至对于人类来说，也难以识别情绪，因为第一和第二陈述之间似乎没有联系或几乎没有联系。
此外，您可能还会看到许多其他真实情况，其中极性与某些非常明显的事物相反。如果您需要处理许多此类情况，则可以使用以下代码来显着改善结果。
from textblob import TextBlob
from textblob.sentiments import NaiveBayesAnalyzer
a = "Follow on rounds for the best prospects. Some choke to death now."
b = TextBlob(a, analyzer=NaiveBayesAnalyzer()))
print(b.sentiment)
对于您的示例（我个人认为这不是一个很好的示例，甚至对于人类来说也令人困惑），结果如下：
Sentiment(classification='pos', p_pos=0.5730186699265399, p_neg=0.42698133007345906)它仍然是积极的，但您可以看到pos分数和neg分数之间的差异。对我而言，大多数情况下，通过有意义且有意义的句子，它是成功的。
有关代码更改的说明，请参见以下内容：
textblob.sentiments模块包含两个情感分析实现，PatternAnalyzer（基于模式库）和NaiveBayesAnalyzer（经过电影评论语料库训练的NLTK分类器）。
默认实现是PatternAnalyzer，但是您可以通过将另一个实现传递给TextBlob的构造函数来覆盖分析器。
关于python - TextBlob，完全不准确，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43590397/