商品评论情感分析

   基于朴素贝叶斯公式进行商品评价情感分析

import numpy as np
import pandas as pd
import jieba
import matplotlib.pyplot as plt
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB

#读入数据
data=pd.read_json("work/情感倾向.json")

# 2. 数据基本处理
#2.1 取出内容列，对数据进行分析
content = data["内容"]

# 2.2 选择停用词
# 加载停用词
stopwords = []
with open("work/停用词.txt" ,'r', encoding="utf-8") as f:
    lines = f.readlines()
    for tmp in lines:
        line = tmp.strip()
        stopwords.append(line)

# 2.3 把“内容”转换为标准格式
comment_lst = []
for tmp in content:
    print("原始数据：", tmp)
    
    # 通过结巴分词对文本数据进行切割（把一句句话变成一个个词）
    seg_lst = jieba.cut(tmp, cut_all=False)
    print("切割后的数据", seg_lst)
    
    # 拼接字符串
    seg_str = ','.join(seg_lst)  
    print("拼接后的字符串：", seg_str)
    comment_lst.append(seg_s