Lexique Du Sentiment, à l'Université de Pittsburgh pourrait être ce que vous êtes après. C'est un lexique d'environ 8000 mots avec un sentiment positif/neutre/négatif. Il est décrit plus en détail dans ce document et libéré sous GPL.

arrivée un peu en retard je vais noter que les dictionnaires ont une contribution limitée pour l'analyse des sentiments. Certaines phrases contenant des sentiments ne contiennent pas de mot "sentiment" - par exemple "lire le livre" qui pourrait être positif dans une critique de livre alors que négatif dans une critique de film. De même, le mot "imprévisible" pourrait être positif dans le contexte d'un thriller, mais négatif dans la description du système breaks de la Toyota.

et il y a beaucoup plus...

analyse du Sentiment (sondage d'Opinion) lexiques

• MPQA Subjectivity Lexicon
• Bing Liu et Minqing Hu Sentiment Lexique
• SentiWordNet (Inclus dans NLTK)
• Vader Sentiment Lexicon
• SenticNet
• LIWC (pas gratuit)
• Harvard Inquirer
• ANEW

Sources:

• Keenformatics - l'Analyse des Sentiments des lexiques et des ensembles de données (mon blog)
• Hutto, C. J., et Eric Gilbert. "Vader: Une parcimonieuse fondé sur la primauté du modèle pour l'analyse des sentiments des médias sociaux de texte."Huitième International AAAI de la Conférence sur les Weblogs et les Médias Sociaux. 2014.
• Sentiment Colloque Tutorial par Christopher Potts
• expérience Personnelle

professeur Bing Liu fournir un lexique anglais d'environ 6800 mots, vous pouvez télécharger à partir de ce lien: exploration D'Opinion, analyse de Sentiment, et Détection de Spam D'Opinion

de Ce document à partir de 2002 décrit un algorithme pour dériver un tel dictionnaire d'échantillons de texte automatiquement, en utilisant seulement deux mots comme un ensemble de départ.

AFINN vous pouvez trouver ici et aussi le créer dynamiquement. Comme chaque fois que le mot inconnu +ve vient, ajoutez-le avec +1. Comme la banane est le mot nouveau +v et apparaît deux fois puis il deviendra +2.

autant d'articles et de données que vous craws votre dictionnaire serait plus fort!

The Harvard-IV dictionary directory http://www.wjh.harvard.edu/~inquirer/homecat.htm a au moins deux ensembles de dictionnaires prêts à l'emploi pour l'orientation positive/négative.

from nltk.sentiment.vader import SentimentIntensityAnalyzer

sentence='APPle is good for health'
sid = SentimentIntensityAnalyzer()
ss = sid.polarity_scores(sentence)  
print(ss)

il vous donnera la polarité de la peine.

sortie:

 {'compound': 0.4404, 'neu': 0.58, 'pos': 0.42, 'neg': 0.0}