python做情感分析【中、英文都有】

对于英文的情感分析

基于TextBlob包

from textblob import TextBlob

text = "I am happy today. I feel sad today."
blob = TextBlob(text)
blob
# 运行结果
# TextBlob("I am happy today. I feel sad today.")

blob.sentences
# [Sentence("I am happy today."), Sentence("I feel sad today.")]

对第一句话的情感分析，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。

blob.sentences[0].sentiment
# Sentiment(polarity=0.8, subjectivity=1.0)
# 情感极性0.8，主观性1.0。

对第一句话的情感分析：

blob.sentences[1].sentiment
# Sentiment(polarity=-0.5, subjectivity=1.0)

还可以让TextBlob综合分析出整段文本的情感：

blob.sentiment
# Sentiment(polarity=0.15000000000000002, subjectivity=1.0)

不同极性的词，在数值上是有区别的。我们应该可以找到比“沮丧”更为负面的词汇。而且这也符合逻辑，谁会这么“天上一脚，地下一脚”矛盾地描述自己此时的心情呢？

对于中文的情感分析

基于SnowNLP包

from snownlp import SnowNLP

text = "我今天很快乐。我今天很愤怒。"
s = SnowNLP(text)
s.sentences
# ['我今天很快乐', '我今天很愤怒']

第一句的情感分析结果：

SnowNLP(s.sentences[0]).sentiments
# 0.971889316039116

第二句的情感分析结果：

SnowNLP(s.sentences[1]).sentiments
# 0.07763913772213482

这里你肯定发现了问题——“愤怒”这个词表达了如此强烈的负面情感，为何得分依然是正的？

这是因为SnowNLP和textblob的计分方法不同。SnowNLP的情感分析取值，表达的是“这句话代表正面情感的概率”。也就是说，对“我今天很愤怒”一句，SnowNLP认为，它表达正面情感的概率很低很低。