python中英文文本情感分析

英文文本:

from textblob import TextBlob

def getText():
    txt = open('comment.text','r',encoding='utf-8').read()
    txt = txt.lower()
    for ch in '`~!@#$%^&*()_+-={}[];":,/<>?\|':
        txt = txt.replace(ch," ")
    return txt


text = getText()
blob = TextBlob(text)
print("每条评论单独的分析如下:")
for i in range(len(blob.sentences)):
    print(blob.sentences[i].sentiment)
print("所有评论的分析如下:")
print(blob.sentiment)

中文实例:

#中文情感分析SnowNLP
from snownlp import SnowNLP
text = u'我很高兴啊。 我很难过。'
s = SnowNLP(text)
for sentence in s.sentences:
    print(sentence)
s1 = SnowNLP(s.sentences[0])
s2 = SnowNLP(s.sentences[1])
print(s1.sentiments)
print(s2.sentiments)

结果:

 

 

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Python中有很多现成的库可以用来进行英文文本情感分析,其中比较常用的有NLTK、TextBlob、VADER等。 NLTK库是自然语言处理领域最受欢迎的Python库之一,其中包含了情感分析的功能。使用NLTK进行情感分析的步骤大致如下: 1. 导入nltk库和情感分析模块: ```python import nltk from nltk.sentiment import SentimentIntensityAnalyzer ``` 2. 创建情感分析器: ```python sia = SentimentIntensityAnalyzer() ``` 3. 对文本进行情感分析: ```python text = "I love this product! It's amazing!" result = sia.polarity_scores(text) print(result) ``` 运行结果为: ``` {'neg': 0.0, 'neu': 0.278, 'pos': 0.722, 'compound': 0.7351} ``` 其中,'pos'表示积极情感的得分,'neg'表示消极情感的得分,'neu'表示中性情感的得分,'compound'表示综合情感得分。 TextBlob是另一个常用的自然语言处理库,也提供了情感分析的功能。使用TextBlob进行情感分析的步骤大致如下: 1. 导入TextBlob库: ```python from textblob import TextBlob ``` 2. 对文本进行情感分析: ```python text = "I love this product! It's amazing!" blob = TextBlob(text) result = blob.sentiment.polarity print(result) ``` 运行结果为: ``` 0.625 ``` 其中,情感得分范围为[-1,1],越接近1表示越积极,越接近-1表示越消极。 VADER是一个专门用于情感分析的库,它可以处理情感强度、情感极性以及情感表达的程度等信息。使用VADER进行情感分析的步骤大致如下: 1. 导入vaderSentiment库: ```python from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer ``` 2. 创建情感分析器: ```python sia = SentimentIntensityAnalyzer() ``` 3. 对文本进行情感分析: ```python text = "I love this product! It's amazing!" result = sia.polarity_scores(text) print(result) ``` 运行结果与NLTK类似。 以上是三种常用的Python库进行英文文本情感分析的方法,选择适合自己的库进行使用即可。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
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