Classificação de Textos

[NoobCodec 0]

Bom dia,

Estou a realizar um trabalho que de uma forma simplificada consiste em extrair posts do twitter, armazena-los e classificar/encontrar sentimentos no texto.

As duas primeiras fases estão feitas e na fase de classificação, já fiz o pré-processamento do texto, ou seja, de uma frase removi tudo que não interessa e apenas deixei palavras que possam demonstrar algo capaz de classificar a mesma como positiva, negativa ou neutra. 

A minha pergunta é: Alguém já fez algo parecido usando algoritmos como o Naive Bayes por exemplo, em java que me possa recomendar algumas bibliotecas que ajudem na classificação?

[M6 149]

Boas.

Já fiz algo parecido, lia dois textos e calculava a similaridade semântica entre eles para saber se os textos "falavam da mesma coisa". 

Se estás a falar de IA em Java, aconselho-te a usares o Weka: https://www.cs.waikato.ac.nz/ml/weka/ (FAQ: http://weka.wikispaces.com/Frequently+Asked+Questions )
Tem um conjunto de algoritmos, de entre os quais o Naive Bayes, vê aqui uma explicação: https://machinelearningmastery.com/use-machine-learning-algorithms-weka/
E podes usar dentro do teu próprio código/aplicação: 

1. https://weka.wikispaces.com/Use+WEKA+in+your+Java+code
2. https://weka.wikispaces.com/Programmatic+Use
3. https://weka.wikispaces.com/Use+Weka+in+your+Java+code+2

Um processamento de lingua natural como o que tens em mãos pode ter o seu sucesso/insucesso mais na parte da linguística do que parte da exploração dos dados. Por exemplo, uma boa lista de "stop words" vs uma má lista de "stop words", usar stemming ou não, etc..