现在提供各种在线情感分类服务。诸如Google，Amazon或Microsoft之类的巨头为自然语言处理提供了云解决方案。但是，如果您不打算为1000个API呼叫支付1-2美元（当评论具有超过1000个字符时的价格上涨）和/或准备准备您的本地分类服务或程序，则可以使用离线分类器。本文将在本文中讨论一些脱机情况的.NET分类器。 以下主题将在此处介绍：
[什么是情感分析？]（#什么 - 句子 - 分析）
离线情感分析c
数据集
结果
结论
代码
什么是情感分类（分析）？ 情感分类是一种强大的方法，可以更好地了解客户对您的产品或服务的感觉。它还可以帮助您完成品牌监控任务。情感分类使您可以对他们在社交媒体，博客或文章中发布的人们的情绪和反馈进行分类。有几种常见的分类法用于情感分类。
二进制： * 消极的; * 积极的; 3类： 消极的; 中性的; 积极的; 5堂课 从1到5星 在所有情况下，负面情绪是分析最重要的。因此，情感分类器应该解决的主要任务看起来像“文字是负面的？”和“这有多少负面？”。 度量 准确性是一个简单明显的指标。当课程不平衡时，它具有众所周知的缺点。但是，它可以用于我们的平衡课程。它也被广泛用于科学文献中。 下面列出的分类器只能在二进制分类任务中进行比较，因为其中一个没有“中性”类。
离线情感分类（C#） 有多个C#库可以通过Google，Nuget E.T.C.找到。但是应该手动检查它们，因为其中许多实际上只是云API的SDK。在手动验证情感分类c#库后，收集了下一个软件包：
groupDocs.Classification; vadersharp; Stanfordnlp; sentermentanalyzer; wikiled; 他们都是离线情感分类C#库。让我们更详细地描述它们。 groupdocs.classification 许可证：许可证文件 安装的复杂性：简单 **准确性：**93.3（评估） / 96.3（许可）{.wp-block-neading} groupDocs.classification是一个具有自己内置引擎的库，用于文本和文档分类。模型也是A Nuget软件包的一部分。安装很简单：您只需要安装Nuget软件包即可。评估版本和许可版本之间存在差异。对于评估版本，您应该将文本分为100个字符的块，然后平均结果。 GroupDocS.分类显示在评估模式中的精度为93.3％，使用许可证时为96.3％。
vadersharp 许可证：麻省理工学院 安装的复杂性：简单 准确性：77.6％{.WP-Block-neading} Vadersharp是C#情感分类的流行解决方案（分析）。它可以很快工作，并在普通的家用PC上每秒处理消息，而不是服务器机器。安装也很简单（只需安装Nuget软件包）。但是，还有一个重要的缺点：准确性不如处理时间那么完美。它在测试数据集上达到了78％的精度。
StanfordNLP 许可证：GPL V2 安装的复杂性：硬。 精度：70％{.WP-Block-neading} Stanford NLP是基于自然语言处理的相应Java库的C#库。安装有一些困难。有必要安装Stanford NLP的Java版本，并在必要时将模型复制到程序的当前目录。 .NET Core 3.0兼容性也存在问题。该库的准确性和处理时间不稳定，似乎取决于文本长度。对于SST-2数据集的简短文本，它可以通过示例处理时间秒实现80.2％的精度。对于跨域一的较长文本，精度降至70％。每个文本的处理时间增加到1分钟或更多。
MentimentAnalyzer 许可证：麻省理工学院 安装的复杂性：媒介 精度：79.1％{.WP-Block-neading} 该库为ml.net基于。在安装过程中，可能存在与ML.NET的工作有关的问题。这是一个不安全的库，它需要明确的配置（x86 / x64），并且您可能还需要安装一些依赖项。 MentimentAnalyzer返回正类别或负类和相应的分数。这就是将二进制分类任务用于该比较的原因。最好的结果可以通过精确选择的阈值来实现。优化阈值后，精度达到了79％。