基于BosonNLP情感词典对网络评论数据的情感值计算，舆情分析

        最近要做一个某个领域某个话题的网络舆情分析工作，需要计算一段时间内采集到的网络评论数据的情感值，从而分析该话题的舆情走向。那么要达到这么目的，我们就需要完成以下工作：

        一、选择情感词典

        要计算文本数据的情感值，那么就需要情感词典，这里，我们使用BosonNLP 的情感词典，该词典收集了114766个情感词，每个情感词都有一个对应的情感值。

     

         该情感词典是一个txt格式的文件，里面数据的格式为：情感词 情感值

     二、准备数据

        我们要分析某个话题的舆情，那就需要先采集到该话题在某段时间内的网络文本数据，该文本数据中每条数据只需要时间（具体到月日就行）和对应的文本就行。这个数据准备好后，可以放到数据库中，或者放在txt文件中。

        只是为了演示过程，我这里收集了一些某易财经板块下一些评论数据，只包含文本，没有日期，并将该数据存储在了txt文件中。大致如下：

  三、代码实现

        1、读取情感词典，将词典数据处理成字典的形式，方便后面使用：

sentiment_score = {}
with open(r'C:\Users\Administrator\Desktop\BosonNLP_sentiment_score.txt',encoding='utf8') as file:
    lines = file.readlines()
    for line in lines:
        word = line.split()[0]
        score = line.split()[1]
        print(word,score)
        sentiment_score[word] = eval(score)

2、读取要处理的网络文本数据。因为我演示的数据中没有日期属性，为了演示分析一段时间内舆情走势，我要在读取网络文本数据时，进行一个划分，分为7个数据集，默认为7天的数据。

result_score = [] #存储最后计算到的情感值
with open(r'163coments.txt', encoding='utf8') as file:
    lines = file.readlines()
    amount = len(lines)#总数据大小
    datasetLen = (int)(amount/7) +1#将数据集划分为7份，每一份的大小为datasetLen
    score = 0
    for i in range(len(lines)):
        cut_res = jieba.__lcut(lines[i])
        for res in cut_res:
            score += sentiment_score.get(res, 0)

        if (i+1)% datasetLen==0 or i == len(lines)-1: #计算完一份数据集，存储一次结果
            result_score.append(score)
            score = 0

print(result_score)

        先定义一个列表result_score 用来存储最后计算到的这7份数据集的情感总值，然后读取评论数据，使用jieba分词工具对每一条评论进行分词，然后使用情感词典计算该评论的情感值，当处理的评论数据量为一份数据集的大小时，存储该数据集的总舆情值到result_score 中。最后处理完所有，打印出来看看。

3、将得到的结果进行一个可视化展示，用来分析一段时间内的舆情走势。这里使用到了matplotlib库，自己记得引入。

# 设置字体，否则中文会乱码
plt.rcParams["font.sans-serif"] = ['SimHei']
#设置正常显示负号
plt.rcParams['axes.unicode_minus'] = False
dev_x = [1, 2, 3, 4, 5, 6, 7]
dev_y = result_score
plt.plot(dev_x, dev_y)
plt.xlabel("时间")
plt.ylabel("情感值")
plt.title("网络舆情情感走势")

plt.show()

       注意以上代码前面两行一定要注意，否则中文和负号无法显示。

4、显示分析的结果：