尝试与类似算法相比表现良好的SentiStrength ，以及相关的研究论文。其他工具和方法的讨论可以在这里和这里找到。

我的印象是，这里所做的大部分工作都极具启发性。事实上，大多数人似乎将此应用于 <120 字符的 twitter 语句。可能结果（虽然不是以这种方式计算）并不比使用少量位置信息计算“正面”和“负面”单词好多少（“A 优于 B”=A 为正，B 为负）

然后，当您看到公司购买完整的 twitter 提要（每秒多少兆比特？）并声称对此进行情绪分析时，这让我很怀疑这里是否有任何统计有效性。难怪雅虎在预测南卡罗来纳州的预选时失败了：http ://www.technologyreview.com/web/39487/

人们对能够处理大量数据感到自豪和热衷，他们似乎完全忽略了正确验证他们的表现。

很抱歉对现有技术持悲观态度。