使用百度AI的自然语言处理模型进行文本的情感倾向分析

目录

一.创建应用

二.调用服务

三.编写代码 运用AI开始分析

---

一 首先我们需要创建应用，具体操作为

（1）登录www.ai.baidu.com 打开最上面一栏开放能力-语言与知识-情感倾向分析

 （2）点击立即使用 然后登录

 （3）登录之后会看到操作指引

我们跟着指引走 先免费领取情感倾向分析的模型

 （4）在应用列表点击创建应用

创建好之后会获得 

保存好这三样东西 这三样东西我们后续会用到

接下来 就可以编写代码了

二 创建好应用之后 如果想要用这个应用我们就需要在代码中去调用它调用的方法很简单

from aip import AipNlp     #导入百度云模块
from openpyxl import load_workbook    #导入openpyxl模块
from openpyxl import Workbook
'输入在创建应用后获得到的三个数据'
APP_ID = ""
API_KEY =""
SECRET_KEY = ""
client = AipNlp(APP_ID,API_KEY,SECRET_KEY)

先导入百度云模块 如果没有需要下载 在cmd中使用pip install baidu-aip命令就能下载 也可以在pycharm中的python package 里搜索baidu-aip进行安装

 然后导入openpyxl模块 因为我们后续要交给ai处理的文本数据是在xlsx文件中的 所以需要导入这个模块 没有安装的也可以按照上面说过的方法安装

输入好上面的代码 我们就成功调用’一’中创建的应用了

三 现在就可以编写主代码了 我们需要如何操作ai进行语言分析 都需要通过代码告诉它

我要分析的文件是这样

这是通过爬虫程序爬取出来的jd商城里的一个用户评论页面的数据 需要分析的文本就是选中的框框里的字

首先我们先告诉它需要这个文件在哪里

wb = load_workbook("D:\新建文件夹\小米.xlsx")

我的文件路径是这样的

然后使用active方法获取活动表

wb = load_workbook("D:\新建文件夹\小米.xlsx")
ws = wb.active

把这张表中的第四列第二行的内容赋值给comment

wb = load_workbook("D:\新建文件夹\小米.xlsx")
ws = wb.active
comment = ws.cell(column = 4,row = 2).value

直接调用baiduAI提供的接口并且把comment作为参数给它

result = client.sentimentClassify(comment)
print('emotion:',result)

打印出来的就是这段文本的内容以及几个情感参数

 到这里 一次简单的分析就完成了 confidence表示自信程度 negative表示消极程度

我们可以再完善一次这个代码

'''将result中的items字典中的positive negative 
confidence三个参数提出来进一步处理'''
pos = result['items'][0]['positive_prob']
neg = result['items'][0]['negative_prob']
con = neg = result['items'][0]['confidence']

'进一步处理'
print('这段文本的情感分析如下:')
print("积极程度为:",round(pos*100),'%')
print("消极程度为:",round(neg*100),'%')
print("自信程度为:",round(con*100),'%')

完整代码以及运行结果如下

from aip import AipNlp
from openpyxl import load_workbook
from openpyxl import Workbook

'这三个参数需要自己去百度云网站获取'
APP_ID = ""
API_KEY =""
SECRET_KEY = ""
client = AipNlp(APP_ID,API_KEY,SECRET_KEY)

wb = load_workbook("D:\新建文件夹\小米.xlsx")
ws = wb.active
comment = ws.cell(column = 4,row = 2).value

result = client.sentimentClassify(comment)
#print('emotion:',result)

pos = result['items'][0]['positive_prob']
neg = result['items'][0]['negative_prob']
con = neg = result['items'][0]['confidence']

print('这段文本的情感分析如下:')
print("积极程度为:",round(pos*100),'%')
print("消极程度为:",round(neg*100),'%')
print("自信程度为:",round(con*100),'%')