假设您有机会收到来自客户或其他来源的评论或评论，并且您想评估他们的积极程度。有一种方法可以分析此类评论，称为情绪分析。本文重点介绍基于 C# 的深度神经网络模型的情感分析工具。该模型适用于广泛的任务。
.NET 的情绪分析 API
如果您想以编程方式进行情绪分析，GroupDocs.Classification 为您服务。它实现了一个通用的情感分类器，可用于评估产品评论、商店评论、应用程序评论、反馈等的语气。
本文将指导您对评论进行分类，并使用 C# 和 GroupDocs.Classification for .NET 分析积极性。因此，在开始之前，请确保通过以下任一方法安装 API：
如何在 C# 中使用情感分析对文本进行分类
为了解决这样的任务，我们可以使用一个名为 Classifier 的通用类，或者我们可以使用更简单、更轻量级的 Sentiment Classifier。以下是步骤：
- 初始化SentimentClassifier。
- 调用SentimentClassifier类的PositiveProbability方法，将文本作为需要分析的参数传入。
- PositiveProbability 方法将返回从 0 到 1 的正数。
这是使用情感分类查找任何语句的语气的 C# 代码。我们选择了以下情绪作为示例：
“经验只是我们给错误取的名字”
// Analyze the positivity of text using sentiment classifier in C#.
var sentiment = "Experience is simply the name we give our mistakes";
var sentimentClassifier = new SentimentClassifier();
/// PositiveProbability method returns the positive probability of the sentiment.
var positiveProbability = sentimentClassifier.PositiveProbability(sentiment);
Console.WriteLine($"Positive Probability of the sentiment { positiveProbability }");
Positive Probability of the sentiment: **0.1118**
任何大于 0.5 的值都表示情绪是积极的，0 到 0.5 之间的范围表示情绪是消极的。
现在根据提取的积极性，您可能会获得该最佳类别的情绪和概率的最佳类别。我们发现它的肯定概率是 0.11，所以它应该被归类为 negative 评论，它的 Best Class 应该是 Negative 而不是 Positive。
So what would be its Best Class Probability? Yes, it will be 0.89. 现在让我们看看代码：
var sentiment = "Experience is simply the name we give our mistakes";
/// Classify method returns ClassificationResult object with the best class probability and name.
var response = sentimentClassifier.Classify(sentiment);
Console.WriteLine($"Best Class Name: {response.BestClassName}");
Console.WriteLine($"Best Class Probability: { response.BestClassProbability}");
Best Class Name: **Negative**
Best Class Probability: **0.8882**
使用 C# 中的情感分析对多个评论进行分类
通常我们有成千上万的评论和反馈，那么我们如何分析客户的反馈呢？这很简单，只需将反馈放入一个数组中。让字符串数组作为审查的来源。它也可以是一个文件或来自数据库或服务的解析响应。我们可以将字符串数组转换为正情感概率的浮点数组。
var sentiments = new string\[\] {
"Now that is out of the way, this thing is a beast. It is fast and runs cool.",
"Experience is simply the name we give our mistakes",
"When I used compressed air a cloud of dust bellowed out from the card (small scuffs and scratches).",
"This is Pathetic."
};
var classifier = new GroupDocs.Classification.SentimentClassifier();
var sentimentPositivity = sentiments.Select(x => classifier.PositiveProbability(x)).ToArray();
Console.WriteLine(string.Join("\\n", sentimentPositivity));
**0.8959** - "Now that is out of the way, this thing is a beast..."
**0.1118** - "Experience is simply the name we give our mistakes"
**0.1252** - "When I used compressed air a cloud ..."
**0.0970** - "This is Pathetic."
我们可以用目标情绪做什么？我们可以测量目标产品、商店等的平均或中值积极性。选择最差的值并回应客户。我们还可以进行分析，例如发现产品的正概率值与其评级之间的不一致。
我们希望你觉得这篇文章有用。您可以从上述资源中找到更多关于 C# 中的文本分类或情感分析的信息。
了解有关 GroupDocs.Classification API 的更多信息
下载并运行 GitHub 示例是最好和最简单的入门方式。