日常笔记-snownlp情感分析计算情感得分

snownlp是Python中的一类库,功能很多,这篇笔记涉及到其中的情感分析模块。

snownlp文本分类功能将原始评论分为正负情感两个数据集,返回值为情绪的概率。情感评分在[0,1]之间,越接近1,情感表现越积极,越接近0,情感表现越消极。

举个例子:

from snownlp import SnowNLP
from snownlp import sentiment

s=SnowNLP(u'这个东西真的很赞')
print(s.words)   #返回分词结果
print(s.sentiments)   #返回该句话的情感得分

输出情感得分结果为:0.96733,靠近1,说明这条评论是积极的,用户评价偏好!

开始进入案例,运用调查数据的评论文字:

# 读如数据并显示数据的前五条
import pandas as pd
df = pd.read_excel("C:/Users/admin/Desktop/pinglun.xlsx")    #去掉一些特殊符号,只留下纯文本评论,去掉无
df.head()

注:1.考虑到有些用户有刷评论的原因,故去掉整句为特殊符号的句子;2.“无”本身的情感得分为0.4,偏消极,但实际过程中“无”为目前没有评价,变中性,故本次中“无”的占比较大,以防对最后结果产生影响,在此处去掉。实际应用时,视具体情况而定!

from snownlp import SnowNLP

def get_sentiment_cn(text):
    s = SnowNLP(text)
    return s.sentiments

df["sentiment"] = df.comments.apply(get_sentiment_cn)
df.head()

   

将得分apply在comments后面。

round(df.sentiment.mean(),2)   #返回情感得分的均值

 返回情感得分的均值,并保留两位小数。

pos=0
neg=0
for i in df.sentiment:
    if i >=0.5:
        pos +=1
    else:
        neg +=1
print(f"积极的评论占比:{round(pos/len(df.comments)*100,2)}%")
print(f"消极的评论占比:{round(neg/len(df.comments)*100,2)}%")

以0.5为分界点,大于为积极,小于为消极,进行两面的评论占比计算。

文章参考:[Python][snownlp]基于情感词典的情感分析 - 小白的学习笔记 (corina.cc)

  • 8
    点赞
  • 119
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
R语言实战笔记第九章介绍了方差分析的内容。方差分析是一种用于比较两个或多个组之间差异的统计方法。在R语言中,可以使用lm函数进行方差分析的回归拟合。lm函数的基本用法是: myfit <- lm(I(Y^(a))~x I(x^2) I(log(x)) var ... [-1],data=dataframe 其中,Y代表因变量,x代表自变量,a代表指数,var代表其他可能对模型有影响的变量。lm函数可以拟合回归模型并提供相关分析结果。 在方差分析中,还需要进行数据诊断,以确保模型的可靠性。其中几个重要的诊断包括异常观测值、离群点和高杠杆值点。异常观测值对于回归分析来说非常重要,可以通过Q-Q图和outlierTest函数来检测。离群点在Q-Q图中表示落在置信区间之外的点,需要删除后重新拟合并再次进行显著性检验。高杠杆值点是指在自变量因子空间中的离群点,可以通过帽子统计量来识别。一般来说,帽子统计量高于均值的2到3倍即可标记为高杠杆值点。 此外,方差分析还需要关注正态性。可以使用car包的qqplot函数绘制Q-Q图,并通过线的位置来判断数据是否服从正态分布。落在置信区间内为优,落在置信区间之外为异常点,需要进行处理。还可以通过绘制学生化残差的直方图和密度图来评估正态性。 综上所述,R语言实战第九章介绍了方差分析及其相关的数据诊断方法,包括异常观测值、离群点、高杠杆值点和正态性检验。这些方法可以用于分析数据的可靠性和模型的适应性。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [R语言实战笔记--第八章 OLS回归分析](https://blog.csdn.net/gdyflxw/article/details/53870535)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“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 4
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