我用一个代码，由形容词词跟我组预定义的好的，坏的，平均的话，一套不好的话，设置在句子的平均词的匹配得到任何一句话的感悟（即感好，坏，平均）。但对于否定（含一句“不”），我不能够分配精确感（无论是好还是坏或平均数）的一句话从我的代码包含不。
例如： - sentence-“鲍勃是在学校最好的男孩。”因为在这句话中有一个形容词“最佳”匹配的好一套比健全的常识被分配到这句话。
但是，对于否定sentence-“鲍勃是不是在学校最好的男孩”。因为这句话，只有一个形容词“最佳”匹配的好一套比健全的常识被分配到这句话。但在这里“不”，使感不好，但我的代码是无法做到的处理“而不是”中的句子。
帮我解决这个问题否定
“不”是否定的语言表达一个字。要使用的“否定”一词将是这个问题比较好。
为了处理“否定”，一个会用否定的触发器（如没有，从来没有）以及它们在句子范围。在“鲍勃是不是在学校最好的男孩”的例子，“在学校最好的男孩”是“不”的范围。否定的范围可以通过一些基本的规则，或通过使用句法分析树以及启发式检测。
用于情绪分析，如果情绪载货术语传入一个否定触发的范围，人们可以反转或抑制触发器的情绪值或进行标记的情绪载货术语。
你提到的情况是值得然而调查不同。在否定的作用域的最高级形容词可以用形容词的反义词进行调查：
worst - bad - neutral - good - best
因此，这些术语“缩放”和否定传达语义是这样的：
这个概念是什么，我从Grace的标含义了。你可以看一下，最多的更多细节。
总之一个简单的解决方案，如果你使用的情绪关联性得分为那些类形容词（如最好：+4）我建议不要直接用乘以反转其得分-1时，其下否定的范围，但乘以 - 0.5寻找相关联之间。
希望帮助，欢呼声。
你正在服用的“情绪分析”的方法是非常基本的。你需要使用一些好的算法，情感分析，一个很好的出发点是支持向量机，随机森林，可以给你无需庞大的训练数据的好成绩。如果你关心很好的精度，然后利用深层神经网络。有些数据集的良好选项如下所述。
Huge ngrams dataset from google storage.googleapis.com/books/ngrams/books/datasetsv2.html
http://www.sananalytics.com/lab/twitter-sentiment/
http://inclass.kaggle.com/c/si650winter11/data
http://nlp.stanford.edu/sentiment/treebank.html
由于问题的，你所面对的，人们开始使用NLP统计。有应用这些算法，如句子切分，文字符号化，词法分析等之前所涉及的许多其他步骤