Python使用阿里API进行情感分析

ZHW_AI课题组

已于 2022-07-13 10:15:26 修改

阅读量3k

点赞数 25

分类专栏：人工智能高级程序语言设计《中级》---调用API 文章标签： python 阿里云情感分析

于 2022-04-06 09:31:39 首次发布

本文链接：https://blog.csdn.net/m0_37758063/article/details/123981610

版权

人工智能高级程序语言设计《中级》---调用API 专栏收录该内容

36 篇文章

订阅专栏

1.作者介绍

魏永健，男，西安工程大学电子信息学院，2021级研究生
研究方向：电声学
电子邮件：1096352656@qq.com

刘帅波，男，西安工程大学电子信息学院，2021级研究生，张宏伟人工智能课题组
研究方向：机器视觉与人工智能
电子邮件：1461004501@qq.com

2.原理介绍

2.1自然语言处理情感分析介绍

情感分析又称倾向性分析，或意见挖掘，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。利用情感分析能力，可以针对带有主观描述的自然语言文本，自动判断该文本的情感正负倾向并给出相应的结果。现有的情感分析方法有：
1）情感词典分析方法；
2）机器学习分析方法。
此处对机器学习法进行简单介绍：利用机器学习的方法，主要利用的是word2vec这个词向量模型，将词转化成数组，这样通过计算词间的数据距离，来衡量词之间的相似度，这样在模型有监督的学习了积极和消极词向量后，就可以得到结果了。这里使用的循环神经网络LSTM，LSTM的时延性能帮助到词向量的学习。

2.2 API介绍

应用程序接口（英语：Application Programming Interface，简称：API），又称为应用编程接口，就是软件系统不同组成部分衔接的约定。良好的接口设计可以降低系统各部分的相互依赖，提高组成单元的内聚性，降低组成单元间的耦合程度，从而提高系统的维护性和扩展性。阿里云情感分析接口基于海量大数据研发，能够对短文本进行情感的正负向及中性进行分析，给出结果。适用于舆情监控、话题审核、口碑分析聚类等领域。

3.实现过程

（1）首先进入阿里云官网：阿里云-上云就上阿里云选择“NLP自学习平台”
在这里插入图片描述

（2）在预训练模型（可直接调用），选择情感分析，点击了解更多
在这里插入图片描述
（3）选择情感分析（英语），查看python代码示例

（4）注册阿里云API服务，可以免费获取AccessKey，假如没有注册，会提醒你进行注册，实名认证，步骤如下所示：

注册：

在这里插入图片描述
实名认证：

在账号中心界面搜索栏处搜索情感分析：

开通NLP自学习平台：

AccessKey管理：

在这里插入图片描述

AccessKey获取成功：

（5）在此新建一个环境,我命名为EMOPY，激活后，安装阿里API情感分析所需要的两个库，出现Successfully即为安装成功，如下图所示：

4.实验代码及结果

4.1实验代码

# 安装依赖
#pip install aliyun-python-sdk-core
#pip install aliyun-python-sdk-nlp-automl
# -*- coding: utf8 -*-
import json
from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.acs_exception.exceptions import ClientException
from aliyunsdkcore.acs_exception.exceptions import ServerException
from aliyunsdknlp_automl.request.v20191111 import RunPreTrainServiceRequest
# Initialize AcsClient instance
client = AcsClient(
  "自己的AccessKey ID",
  "自己的AccessKey Srcret",
  "cn-hangzhou"
);
messages=["It has been a pleasure working with you!"]
content ={"messages": messages}
# Initialize a request and set parameters
request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
request.set_ServiceName('NLP-En-Sentiment-Analysis')
request.set_PredictContent(json.dumps(content))
# Print response
response = client.do_action_with_exception(request)
resp_obj = json.loads(response)
predict_result = json.loads(resp_obj['PredictResult'])
print(predict_result['predictions'])