【snownlp源代码系列】之情感分类朴素贝叶斯原理

建议拿出小本本，写写画画便于理解

一、情感分析任务

简单来说，给一句话，运用情感分析，判断这句话是积极态度亦或是消极态度，并给出态度的度。（入门阶段我就不研究太高深的啦～）

那么要怎么完成这个任务呢？可以分为一下几个阶段（措辞不够专业，主要是为了简单易懂）：

1. 训练词典传送门
2. 样本分词传送门
3. 结果分类

前面两项另写了文章，本篇主要讲结果分类

二、分类原理

首先理解一下贝叶斯分类原理，下面根据该原理做情感分类。

现假设：
所有的句子可以分类两类：积极态度(c1)、消极态度(c2).
一个句子有特征w1,w2,...,wn，这n个特征相互独立.
对于情感分类任务中特征w1,w2,...,wn分别代表该句子中对应的单词

由朴素贝叶斯分类器原理P(c1|w1,w2,…,wn) = (P(w1,w2,…,wn|ci) × P(ci)) / (P(w1,w2,…,wn))

具有w1,w2,…,wn特征的句子属于ci类的概率 = 【1】 / 【2】
【1】= 如果句子是类ci，那么该句子具有w1,w2,…,wn特征的概率 × 句子是类c1的概率
【2】 = 句子具有w1,w2,…,wn特征的概率

而由全概率公式P(B) = P(B|A)P(A) + P(B|A’)P(A’)

句子具有w1,w2,…,wn特征的概率 = 【3】 + 【4】
【3】 = 如果句子是c1类，那么该句子具有w1,w2,…,wn特征的概率 × 句子是类c1的概率
【4】 = 如果句子是c2类，那么该句子具有w1,w2,…,wn特征的概率 × 句子是类c2的概率

综上

具有w1,w2,…,wn特征的句子属于ci类的概率 = 【1】 / （【3】 + 【4】）

将上述讲解转换成公式

P(c1|w1,w2,…,wn) = [P(w1,w2,…,wn|c1) × P(c1)] / [P(w1,w2,…,wn|c1) × P(c1) + P(w1,w2,…,wn|c2) × P(c2) ]

对公式化简 参考

三、snownlp源码解析

首先回忆一下Bayes类的各个属性:

• class Bayes