基於Python的情感分析案例

情感極性分析的目的是對文字進行褒義、貶義、中性的判斷。在大多應用場景下，只分為兩類。例如對於「喜愛」和「厭惡」這兩個詞，就屬於不同的情感傾向。

示例1（好評） 

示例2（差評） 

讀取文字檔案

def text():

f1 = open('e:/工作檔案/情感分析案例1/good.txt','r',encoding='utf-8') 
f2 = open('e:/工作檔案/情感分析案例1/bad.txt','r',encoding='utf-8')
line1 = f1.readline()
line2 = f2.readline()
str = ''
while line1:
str += line1
line1 = f1.readline()
while line2:
str += line2
line2 = f2.readline()
f1.close()
f2.close()
return str

把雙個詞作為特徵，並使用卡方統計的方法，選擇排名前1000的雙詞

def  bigram(words,score_fn=bigramassocmeasures.chi_sq,n=1000):

bigram_finder=bigramcollocationfinder.from_words(words) #把文字變成雙詞搭配的形式
bigrams = bigram_finder.nbest(score_fn,n) #使用卡方統計的方法，選擇排名前1000的雙詞
newbigrams = [u+v for (u,v) in bigrams]
return bag_of_words(newbigrams)
print(bigram(text(),score_fn=bigramassocmeasures.chi_sq,n=1000))

基於Python3的情感分析案例

import scrapy import json import codecs import re class commentspider scrapy.spider name comment start urls def parse self,response filename firstpage...

Python 情感分析

今天修改了情感分析的程式發現之前有一些不足。這個最簡單的實現乙個string情感分析的小函式，載入了積極詞典，消極詞典，程度詞典，以及一些反轉詞等的詞典。這裡我沒有做符號的分析和判斷，因為的東西暫時用不到，需要的童鞋可以自己新增。import jieba import cpickle as pick...

python 情感分析

使用庫 用python 進行機器學習及情感分析，需要用到兩個主要的程式包 nltk 和 scikit learn nltk 主要負責處理特徵提取 雙詞或多詞搭配需要使用nltk 來做 和特徵選擇 需要nltk 提供的統計方法 scikit learn 主要負責分類演算法，評價分類效果，進行分類等任務...