室友最近情绪很不稳定！只好用Python来进行情绪…

---恢复内容开始---

室友最近情绪很不稳定，喜怒无常！就像来大姨夫了一样的可怕！所以得做好准备！本文帮助你一步步用Python做出自己的情感分析结果，难道你不想试试看？

情感分析不是炫技工具。它是闷声发大财的方法。早在2010年，就有学者指出，可以依靠Twitter公开信息的情感分析来预测股市的涨落，准确率高达87.6%！

在这些学者看来，一旦你能够获得大量实时社交媒体文本数据，且利用情感分析的黑魔法，你就获得了一颗预测近期投资市场趋势的水晶球。

到你的系统“终端”(macOS, Linux)或者“命令提示符”(Windows)下，进入我们的工作目录demo，执行以下命令。

好了，下面我们就可以愉快地利用Python来编写程序，做文本情感分析了。

英文

我们先来看英文文本的情感分析。

这里我们需要用到的是 TextBlob包 。

这里我们输入了两句话，把它存入了text这个变量里面。学了十几年英语的你，应该立即分辨出这两句话的情感属性。第一句是“我今天很高兴”，正面；第二句是“我今天很沮丧”，负面。

下面我们看看情感分析工具TextBlob能否正确识别这两句话的情感属性。

首先我们呼唤TextBlob出来。

情感极性0.8，主观性1.0。说明一下，情感极性的变化范围是[-1, 1]，-1代表完全负面，1代表完全正面。

既然我说自己“高兴”，那情感分析结果是正面的就对了啊。

中文

试验了英文文本情感分析，我们该回归母语了。毕竟，互联网上我们平时接触最多的文本，还是中文的。

中文文本分析，我们使用的是 SnowNLP包 。这个包跟TextBlob一样，也是多才多艺的。

我们还是先准备一下文本。这次我们换2个形容词试试看。

我们来看第一句的情感分析结果吧。

s1 = SnowNLP(s.sentences[0])

s1.sentiments

复制代码

执行后的结果是：

看来“快乐”这个关键词真是很能说明问题。基本上得到满分了。

我们来看第二句：

小结

学会了基本招式，很开心吧？下面你可以自己找一些中英文文本来实践情感分析了。

但是你可能很快就会遇到问题。例如你输入一些明确的负面情绪语句，得到的结果却很正面。

不要以为自己又被忽悠了。我来解释一下问题出在哪儿。

首先，许多语句的情感判定需要上下文和背景知识，因此如果这类信息缺乏，判别正确率就会受到影响。这就是人比机器（至少在目前）更强大的地方。

其次，任何一个情感分析工具，实际上都是被训练出来的。训练时用的是什么文本材料，直接影响到模型的适应性。

进群：125240963   即可获取数十套PDF哦！

 

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有