问使用包含"not“一词的Gensim短语来进行情感分析

EN

我正在做一个情感分析项目，在这个项目中，我分析了大量的文件，我并没有把“不”这个词作为临时词删除，这样我就可以用它来判断一个文本是否同意或不同意某件事。例如，在讨论COVID疫苗时，“无效”和“有效”是有区别的。

然而，我的短语并没有用“not”这个词来识别任何生词。我推测这是因为这个标记存在于如此大的数字中(特别是因为我扩展了收缩，所以“不是”“->”不是“)，所以评分函数只是简单地用"not”太低来打分所有的值。这是因为标准短语评分功能是：

​

​

(其中min_count是一个超参数)

因此，由于数据库中有数千次"not“存在，所以worda_count将是非常大的，导致一个大分母并大大降低分数。

有没有办法解决这个问题，这样“不”的大写就会被有效地打分吗？

我可以从我的头顶上想出几个选择：

1. 编写了我自己的评分函数，它实际上有两个评分公式:标准评分公式，如果第一个单词为“not”，则使用不同的评分公式。--

1. I可以在connector_words列表中包含"not“，但是gensim.models.phrases.Phraser明确指出这些连接器词不能位于短语的开头或结尾。