感人情感

01、她在外面有了别的男人,她甚至不想和丈夫同床。她从柜子里拿了床被子,和丈夫分成两个被窝。她冻得缩在被子里瑟瑟发抖,丈夫将她拉到自己温暖的被窝。丈夫说,傻瓜,我提前上床就是给你暖被窝的,你放心我不会卷被子的。 她的心瞬间融化。再见到情人时,她问,你爱我吗?情人说,爱!她说,那你会给我暖被窝吗?情人愣了一下说,什么?她拉开门对情人说,再见。
  【爱就是我身上传递出的体温。】
﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏
02、她常独自开车去外地出差,路途中时常感到寂寞。她偶尔给丈夫打电话,丈夫从来都是一个字:嗯。后来她和老板好上了,那个时常在电话里给她讲有趣段子的魅力男人。她越发的看不顺眼憨实的丈夫,她觉得他们过不下去了。 一日她出差,路途中和老板聊的太入神分了心,竟出了车祸。医院里日夜陪伴她的只有老实的丈夫。丈夫握着她的手说,怎么这么不小心呢。每次和你打电话我都不敢多说一个字,就怕耽误你开车啊... 她紧闭双眼装熟睡,眼泪慢慢滑落。  
  【爱。不肯多说一个字。】
  
﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏
03、晚上临睡前问老公:“如果是我得了绝症,你会给我治吗?”
  老公都快睡着了,迷迷糊糊说:“别瞎说……倾家荡产也得治!”
  我说:“如果你得了呢?”老公:“那就不治了。”
  我问:“为什么?”
老公:“剩下你一个人,挣钱不容易。”
  (你永远不知道你危险的时候,他会怎样担心的关心你!)
﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏
  04、她喜欢上网时吃个苹果, 他每天都会削两个苹果,一人一个,她喜欢这温馨浪漫的感觉。
  只是她发现他总是先把两个苹果各咬一口,然后再递给她一个,
  为此,她纳闷了好久。终于有一天, 趁他出去接电话的时候,她拿过他的苹果咬了一口, 感觉不如自己的脆甜可口。
瞬间泪水无声滑过脸庞。
  (总想把最好的留给你!)
﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏
  05、他对她说:你猜猜我的口袋里有几块糖?
  她说:猜对了你给我吃吗?
  他点点头:嗯,猜对了两块都给你!
  她咽了咽口水说:我猜五块!
  然后,他笑着把糖放到她手里,说:我还欠你三块。
(因为爱,所以允许你的小贪心!)
﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏
  06、古藤摇椅上,一对花甲老人。
  老太太拉着老头子的手说:老头子啊,我现在都觉得对不住你,那年,我的初恋男友回来找我,说他还爱我,回来带我走,我和他见了面,我还爱他,就回家来收拾行李,一进门,就看见你在厨房给我熬汤,说:这些时间你精神不好,我给你补补身子。
  我冲到卧室,就哭了,当时就决定,我不离开你了。
  老头子笑嘻嘻的说:老伴啊,这事我早就知道,当时,我偷看了你们的信件,那汤其实是我知道你要走,想着给你熬最后一次,喝完你再走,你不吃饭不行,你晕车厉害。
  老太太老泪纵横。她说,老头子,这辈子我做的一件对事,就是当年没离开你。
﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏﹏
男人永远不知道女人在想什么,女人永远不知道男人想要什么。其实爱哪有那么难,不过两个字:珍惜!
幸福需要经营,希望看完的朋友都要珍惜彼此身边的人。
每一对真挚的情侣,都不是无缘无故地相遇,是善缘还是孽缘,跟彼此两人的情怀与相处息息相关。
能彼此补给,共同圆满,这就是爱的真谛

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中可以使用多种工具对文本进行情感分析,其中常用的是使用词典进行情感极性的分类。下面介绍一种基于情感词典的情感分析方法: 1. 安装情感词典:可以使用NLTK中的情感词典,也可以使用第三方情感词典如“知网情感词典”、“台湾大学情感词典”等。 2. 加载情感词典:将情感词典读入程序中,一般情感词典的格式为每行一个词,后跟一个情感极性标签(如“positive”、“negative”、“neutral”等)。 3. 分词:使用分词工具(如jieba)对文本进行分词,得到每个词语。 4. 情感极性计算:对于每个词语,查找情感词典中是否有对应的情感词,如果有,则将该词语的情感极性值加入到文本的情感极性总值中。可以使用简单的加权方式计算情感极性,例如对于每个情感词汇,可以将其情感极性值设为1,否定词(如“不”、“没”等)的情感极性值设为-1,然后将所有情感词汇的情感极性值进行加权求和即可。 5. 判断情感:根据文本的情感极性总值,判断文本的情感倾向,例如当情感极性总值大于0时判断为正面情感,小于0时判断为负面情感,等于0时判断为中性情感。 下面是一个简单的情感分析示例代码: ```python import jieba import codecs # 加载情感词典 def load_dict(dict_path): pos_dict = set() neg_dict = set() neutral_dict = set() with codecs.open(dict_path, 'r', encoding='utf-8') as f: for line in f: fields = line.strip().split('\t') word, polarity = fields[0], fields[1] if polarity == 'positive': pos_dict.add(word) elif polarity == 'negative': neg_dict.add(word) else: neutral_dict.add(word) return pos_dict, neg_dict, neutral_dict # 分词 def tokenize(text): return jieba.lcut(text) # 计算情感极性 def calculate_sentiment(text, pos_dict, neg_dict, neutral_dict): sentiment = 0 words = tokenize(text) for word in words: if word in pos_dict: sentiment += 1 elif word in neg_dict: sentiment -= 1 elif word in neutral_dict: continue else: continue return sentiment # 判断情感 def predict_sentiment(text, pos_dict, neg_dict, neutral_dict): sentiment = calculate_sentiment(text, pos_dict, neg_dict, neutral_dict) if sentiment > 0: return 'positive' elif sentiment < 0: return 'negative' else: return 'neutral' if __name__ == '__main__': text = '这部电影太棒了,非常感人。' pos_dict, neg_dict, neutral_dict = load_dict('sentiment_dict.txt') sentiment = predict_sentiment(text, pos_dict, neg_dict, neutral_dict) print(sentiment) ``` 其中,`sentiment_dict.txt`是一个情感词典文件,格式为每行一个词,后跟一个情感极性标签(如“positive”、“negative”、“neutral”等)。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值