刘兵教授提供了一个大约6800字的英语词典，您可以从以下链接下载： 意见挖掘，情感分析和意见垃圾邮件检测

您可以在这里找到AFINN ，也可以动态创建它。就像每当有未知+ ve单词出现时，都加上+1。就像香蕉是一个新的+ ve单词，出现两次则变成+2。

尽可能多的文章和数据将使您的词典变得更强大！

哈佛IV字典目录http://www.wjh.harvard.edu/~inquirer/homecat.htm至少有两组现成的字典，用于正向/负向。

这篇2002年的论文描述了一种算法，该算法仅使用两个单词作为种子集，即可自动从文本样本中提取此类词典。

您可以使用vader情感词典

from nltk.sentiment.vader import SentimentIntensityAnalyzer

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

它会给你句子的极性。

输出：

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

迟到了一点，我只是注意到词典对情感分析的贡献有限。一些带有情感的句子不包含任何“情感”词，例如“读这本书”，在书评中可能是肯定的，而在电影评鉴中可能是否定的。同样，在惊悚片中，“不可预知”这个词可能是肯定的，但在描述丰田的休息系统时却是否定的。

还有更多...

情感分析（观点挖掘）词典

• MPQA主观词汇
• 刘冰和胡敏清情感词典
• SentiWordNet （包括在NLTK中 ）
• VADER情感词典
• SenticNet
• LIWC（非免费）
• 哈佛询问者
• 重新

资料来源：

• Keenformatics-情感分析词典和数据集 （我的博客）
• Hutto，CJ和Eric Gilbert。 “ Vader：一种基于简约规则的社交媒体文本情感分析模型。”第八届国际AAAI网络日志和社交媒体会议。 2014。
• Christopher Potts的情感研讨会教程
• 个人经验

匹兹堡大学的《 情感词典》可能就是您想要的。这是一个约有8000个单词的词典，带有积极/中立/消极的情绪。它在本文中有更详细的描述，并根据GPL发布。