跨平台情感分析工具组合的局限性分析

积极的工作氛围是现代软件开发中必不可少的要素。它因满足的开发人员倾向于交付更好的结果而提高生产力。情感分析工具是分析和分类开发人员之间文本通信 polarity according to statement polarity 的手段。大多数情感分析工具在使用其开发所属领域的测试数据时（例如 GitHub）会显示出令人信服的结果。但在不同领域（例如 Stack Overflow）中使用这些工具的输出缺乏可靠性。一种可能的缓解方法是组合不同在不同领域训练的工具。本文分析了根据可靠性和性能对三个情感分析工具的组合。这些工具使用五个已存在的极性数据集（例如来自 GitHub）进行训练和评估。结果表明，这种工具的组合在同一平台设置下是个好选择。然而，多数投票在跨平台领域应用时并不一定导致更好结果。在大多数情况下，组合中最佳的单个工具更可取。这主要是由于单个工具即使在同一数据集上也表现出巨大的差异。然而，这也可能是由于不同的标注数据集所致。