python用社交网络分析_Python社交媒体情感分析入门

python用社交网络分析

自然语言处理（NLP）是一种机器学习，可解决口语/书面语言与这些语言的计算机辅助分析之间的相关性。 从写作帮助和建议到实时语音翻译和口译，我们在日常生活中经历了NLP的众多创新。

本文研究了NLP的一个特定领域：情感分析，重点在于确定输入语言的积极，消极或中性性质。 这一部分将解释NLP和情感分析的背景，并探讨两个开源Python软件包。 第2部分将演示如何开始构建自己的可扩展的情感分析服务。

自然语言和文字数据

一个合理的起点是定义：“什么是自然语言？” 作为人类，这是我们彼此交流的一种方式。 交流的主要方式是口头和文字。 我们可以更进一步，只专注于文本交流。 毕竟，生活在无处不在的Siri，Alexa等时代，我们知道语音是远离文本的一组计算。

数据格局与挑战

限于文本数据，关于语言和文本我们能说些什么？ 首先，语言（尤其是英语）充满了规则，多种含义和上下文差异的例外，这些例外甚至会混淆人类的解释程序，更不用说是计算语言了。 在小学，我们学习语音和标点符号的文章，通过讲母语，我们可以直观地了解哪些单词在搜索含义时意义不大。 后者的示例是诸如“ a”，“ the”和“ or”之类的词类，它们在NLP中被称为停用词 ，因为传统上，当到达LP中的这些词之一时，NLP算法对意义的搜索就会停止。一个序列。

由于我们的目标是自动将文本分类为情感类，因此我们需要一种以计算方式处理文本数据的方法。 因此，我们必须考虑如何向机器表示文本数据。 众所周知，使用和解释语言的规则很复杂，输入文本的大小和结构可能会有很大差异。 我们需要将文本数据转换为数字数据，这是机器和数学的选择形式。 这种转换属于特征提取领域 。

在提取输入文本数据的数字表示形式之后，可以给定一个文本输入主体来进行细化，以确定上面列出的语音文章的一组定量统计数据，并可能基于这些统计数据对文档进行分类。 例如，过多的副词可能