案例实战：用户评论情感分析模型

一.案例背景

情感分析是自然语言处理领域最为经典的应用之一，一直长盛不衰，特别是互联网发展极大提高了每个人的参与度，网上购物，美团外卖等，很多人都会买完东西都会去填写几句简单的评价，我们很多时候比如买一个东西都会先从淘宝或者京东上进行查看，当两种货物基本差不多的时候，我们会去看买家评论，根据好评的多少进行抉择，用户在电商平台上面发布的产品评价中包含着用户的偏好信息，利用情感分析模型可以从产品评价的评价中获得用户的情感及对产品属性的偏好，在此基础上，就可以进一步利用智能推荐系统向用户推荐他们更喜欢的产品，以增加用户的黏性，挖掘一些潜在的利润。

二.读取数据

import pandas as pd
df = pd.read_excel(r"D:\Python\产品评价.xlsx")
df.head()

数据读取结果查看：

三.中文分词

中文分词：英文分词比较简单，见到空格和标点符号就说明是一个词汇，而中文分词就是将一句话拆分成一些词语，在python中有专门的中文分词库jieba库，cut（）函数专门进行对指定的文本内容进行分词。

import jieba
word = jieba.cut(df.iloc[0]['评论'])
result = "  ".join(word)
print(result)

执行结果：

上面代码只是对第一行进行分割，下面通过循环进行对所有的进行分割。

words= []
for i,row in  df.iterrows():
    word = jieba