想问下做SVM进行文本的情感分析（分类），一般训练好的数据集在哪找

Question

想问下做SVM进行文本的情感分析（分类），一般训练好的数据集在哪找

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

回答： 要进行SVM进行文本情感分析，需要训练一组带有情感标签的数据集。这些标签可以是正面、负面或中性等情感，可以是二元分类，也可以是多元分类。一般而言，可以从网络上获取一些公开的数据集进行训练，也可以自己构建数据集进行训练。以下是一些常见的数据集：

1. Amazon Reviews数据集：包含用户对亚马逊商品的评价，可用于情感分析任务。
2. Rotten Tomatoes数据集：包含影评的情感标签，可用于影评的情感分析。
3. IMDB数据集：包含电影评价的情感标签，也可用于影评的情感分析任务。
4. Twitter数据集：包含推文的情感标签，可用于社交媒体情感分析任务。 上述数据集都可以在网上找到下载，已经被整理成标准格式。但是有些情况下，可能需要自己构建数据集。例如，我们想对某款产品的用户评论进行情感分析，那么就需要手工对评论进行标记，赋予情感标签。 下面是一些Python代码的示例，用于读取Amazon Reviews数据集:

import pandas as pd
import os
data_dir = "data/amazon_reviews"
reviews_df = pd.DataFrame()
for i in range(5):
    filename = "amazon_reviews_us_Electronics_v1_00{}.tsv.gz".format(i+1)
    filepath = os.path.join(data_dir, filename)
    reviews_df = pd.concat([reviews_df, pd.read_csv(filepath, delimiter="\t", quoting=3)])
    
reviews_df = reviews_df[["review_body", "star_rating"]]
reviews_df = reviews_df[reviews_df['star_rating'].isin(['1', '5'])]
reviews_df['label'] = reviews_df['star_rating'].map({'1': 0, '5': 1})

上述代码中，我们使用了pandas库来读取Amazon Reviews数据集。其中，我们只选择了需要的两列”review_body”和”star_rating”，并将评分为1和5的评论进行情感二分类。 希望以上回答能帮助您进行SVM进行文本情感分析的任务。