我希望为多种语言的新闻文章（每语言约 100k。用于机器学习实验）编译情绪语料库，其中每篇文章都标记为正面、中性或负面。我搜索了高低，但找不到类似的东西。我已经拥有每种语言的新闻文章。
我向社区提出的问题是，您将如何尽可能准确地实现这一目标？
我首先看的是Mechanical Turk，您可以在其中雇用人员为您手动标记每篇文章。这可能是最好的方法，但代价高昂。
接下来，我考虑了所有现有的流行库（其中一些已经使用过 Mechanical Turk）进行情感分析（AFINN、Bing Liu、MPQA、VADER、TextBlob等）
- 情绪理念
我目前的想法是，我在其中的几个库中运行每篇新闻文章（例如 AFINN，然后是 TextBlob，然后是 VADER），并且对于那些一致显示正面、负面、中立的文章，尽管所有三个库都被语料库接受。这看起来是一个相当强大和合理的验证过程吗？
- 语言理念
下一个问题与语言本身有关。上面的 3 lib 管道可以用英文执行，没有问题。然而，这些图书馆并不统一支持许多其他语言（西班牙语、德语、汉语、阿拉伯语、法语、葡萄牙语等）。我正在考虑按照 VADER 的建议，以非英语语言获取新闻报道并通过谷歌翻译发送它们API 将它们变成英文，然后通过上面现有的 3 lib 管道发送它们。我确实意识到许多文章的语义会有所损失。但是，我希望有足够多的文章翻译得足够好，以至于有些文章可以通过 3 lib 管道。
我知道通过这个三盲情感管道翻译和发送新闻文章可能需要 100k 语料库并产生 10k 结果。我对此很好。准确性和价格是我关心的问题。我可以轻松获取更多数据。
你会怎么做才能更准确地获得新闻文章的情感语料库？是否有现有的最佳实践来组装这样的语料库？