python字符串情感分析,Python 文本挖掘：使用情感詞典進行情感分析（算法及程序設計）...

出處：http://www.ithao123.cn/content-242299.html

情感分析就是分析一句話說得是很主觀還是客觀描述，分析這句話表達的是積極的情緒還是消極的情緒。

原理

比如這么一句話：“這手機的畫面極好，操作也比較流暢。不過拍照真的太爛了！系統也不好。”

① 情感詞

要分析一句話是積極的還是消極的，最簡單最基礎的方法就是找出句子里面的情感詞，積極的情感詞比如：贊，好，順手，華麗等，消極情感詞比如：差，爛，壞，坑爹等。出現一個積極詞就+1，出現一個消極詞就-1。

里面就有“好”，“流暢”兩個積極情感詞，“爛”一個消極情感詞。那它的情感分值就是1+1-1+1=2. 很明顯這個分值是不合理的，下面一步步修改它。

② 程度詞

“好”，“流暢”和‘爛“前面都有一個程度修飾詞。”極好“就比”較好“或者”好“的情感更強，”太爛“也比”有點爛“情感強得多。所以需要在找到情感詞后往前找一下有沒有程度修飾，並給不同的程度一個權值。比如”極“，”無比“，”太“就要把情感分值*4，”較“，”還算“就情感分值*2，”只算“，”僅僅“這些就*0.5了。那么這句話的情感分值就是：4*1+1*2-1*4+1=3

③ 感嘆號

可以發現太爛了后面有感嘆號，嘆號意味着情感強烈。因此發現嘆號可以為情感值+2. 那么這句話的情感分值就變成了：4*1+1*2-1*4-2+1 = 1

④ 否定詞

明眼人一眼就看出最后面那個”好“並不是表示”好“，因為前面還有一個”不“字。所以在找到情感詞的時候，需要往前找否定詞。比如”不“，”不能“這些詞。而且還要數這些否定詞出現的次數，如果是單數，情感分值就*-1，但如果是偶數，那情感就沒有反轉，還是*1。在這句話里面，可以看出”好“前面只有一個”不“，所以”好“的情感值應該反轉，*-1。

因此這句話的准確情感分值是：4*1+1*2-1*4-2+1*-1 = -1

⑤ 積極和消極分開來

再接下來，很明顯就可以看出，這句話里面有褒有貶，不能用一個分值來表示它的情感傾向。而且這個權值的設置也會影響最終的情感分值，敏感度太高了。因此對這句話的最終的正確的處理，是得出這句話的一個積極分值，一個消極分值(這樣消極分值也是正數，無需使用負數了)。它們同時代表了這句話的情感傾向。所以這句評論應該是”積極分值：6，消極分值：7“

⑥ 以分句的情感為基礎

再仔細一步，詳細一點，一條評論的情感分值是由不同的分句加起來的，因此要得到一條評論的情感分值，就要先計算出評論中每個句子的情感分值。這條例子評論有四個分句，因此其結構如下([積極分值, 消極分值])：[[4, 0], [2, 0], [0, 6], [0, 1]]

以上就是使用情感詞典來進行情感分析的主要流程了，算法的設計也會按照這個思路來實現。

算法設計

第一步：讀取評論數據，對評論進行分句。

第二步：查找對分句的情感詞，記錄積極還是消極，以及位置。

第三步：往情感詞前查找程度詞，找到就停止搜尋。為程度詞設權值，乘以情感值。

第四步：往情感詞前查找否定詞，找完全部否定詞，若數量為奇數，乘以-1，若為偶數，乘以1。

第五步：判斷分句結尾是否有感嘆號，有嘆號則往前尋找情感詞，有則相應的情感值+2。

第六步：計算完一條評論所有分句的情感值，用數組(list)記錄起來。

第七步：計算並記錄所有評論的情感值。

第八步：通過分句計算每條評論的積極情感均值，消極情感均值，積極情感方差，消極情感方差。

實戰

這篇文章講到了使用情感詞典進行英文情感分析的方法和代碼講解，非常詳細。

但我使用了與之有所區別的方法和數據類型(我沒有使用字典，而只是用了列表。或許字典能記錄下更多信息，方便更復雜 的處理，但簡單的處理使用列表就足夠了)。

1. 載入幾個需要用的庫。pickle(讀取存儲的情感詞典數據)，numpy(計算均值方差等)，自己編寫的textprocessing庫(包括取excel數據、取txt數據、分詞、詞性標注、分句、去停用詞、計算文本相似度等功能)。

#! /usr/bin/env python2.7

#coding=utf-8

import pickle

import textprocessing as tp

import numpy as np

2. 載入情感詞典。

posdict = pickle.load(open('D:/code/sentiment_test/sentiment_dictionary/posdict.pkl', 'r'))

negdict = pickle.load(open('D:/code/sentiment_test/sentiment_dictionary/negdict.pkl', 'r'))

mostdict = pickle.load(open('D:/code/sentiment_test/sentiment_dictionary/mostdict.pkl', 'r'))

verydict = pickle.load(open('D:/code/sentiment_test/sentiment_dictionary/verydict.pkl', 'r'))

moredict = pickle.load(open('D:/code/sentiment_test/sentiment_dictionary/moredict.pkl', 'r'))

ishdict = pickle.load(open('D:/code/sentiment_test/sentiment_dictionary/ishdict.pkl', 'r'))

insufficientdict = pickle.load(open('D:/code/sentiment_test/sentiment_dictionary/insufficentdict.pkl', 'r'))

inversedict = pickle.load(open('D:/code/sentiment_test/sentiment_dictionary/inversedict.pkl', 'r'))

3. 載入評論數據。

review = pickle.load(open('D:/code/review_set/review_pkl/Motorala.pkl', 'r'))

4. 定義判斷基數偶數的函數。在判斷否定詞時使用。

def judgeodd(num):

if (num/2)*2 == num:

return 'even'

else:

return 'odd'

5. 情感分值計算主程序。

def sentiment_score_list(dataset):

cuted_data = []

for cell in dataset:

cuted_data.append(tp.cut_sentence(cell))

count1 = []

count2 = []

for sents in cuted_data: #循環遍歷每一個評論

for sent in sents: #循環遍歷評論中的每一個分句

segtmp = tp.segmentation(sent, 'list') #把句子進行分詞，以列表的形式返回

i = 0 #記錄掃描到的詞的位置

a = 0 #記錄情感詞的位置

poscount = 0 #積極詞的第一次分值

poscount2 = 0 #積極詞反轉后的分值

poscount3 = 0 #積極詞的最后分值(包括嘆號的分值)

negcount = 0

negcount2 = 0

negcount3 = 0

for word in segtmp:

if word in posdict: #判斷詞語是否是情感詞

poscount += 1

c = 0

for w in segtmp[a:i]: #掃描情感詞前的程度詞

if w in mostdict:

poscount *= 4.0

elif w in verydict:

poscount *= 3.0

elif w in moredict:

poscount *= 2.0

elif w in ishdict:

poscount /= 2.0

elif w in insufficientdict:

poscount /= 4.0

elif w in inversedict:

c += 1

if judgeodd(c) == 'odd': #掃描情感詞前的否定詞數

poscount *= -1.0

poscount2 += poscount

poscount = 0

poscount3 = poscount + poscount2 + poscount3

poscount2 = 0

else:

poscount3 = poscount + poscount2 + poscount3

poscount = 0

a = i + 1 #情感詞的位置變化

elif word in negdict: #消極情感的分析，與上面一致

negcount += 1

d = 0

for w in segtmp[a:i]:

if w in mostdict:

negcount *= 4.0

elif w in verydict:

negcount *= 3.0

elif w in moredict:

negcount *= 2.0

elif w in ishdict:

negcount /= 2.0

elif w in insufficientdict:

negcount /= 4.0

elif w in inversedict:

d += 1

if judgeodd(d) == 'odd':

negcount *= -1.0

negcount2 += negcount

negcount = 0

negcount3 = negcount + negcount2 + negcount3

negcount2 = 0

else:

negcount3 = negcount + negcount2 + negcount3

negcount = 0

a = i + 1

elif word == '！'.decode('utf8') or word == '!'.decode('utf8'): ##判斷句子是否有感嘆號

for w2 in segtmp[::-1]: #掃描感嘆號前的情感詞，發現后權值+2，然后退出循環

if w2 in posdict or negdict:

poscount3 += 2

negcount3 += 2

break

i += 1 #掃描詞位置前移

#以下是防止出現負數的情況

pos_count = 0

neg_count = 0

if poscount3 < 0 and negcount3 > 0:

neg_count += negcount3 - poscount3

pos_count = 0

elif negcount3 < 0 and poscount3 > 0:

pos_count = poscount3 - negcount3

neg_count = 0

elif poscount3 < 0 and negcount3 < 0:

neg_count = -poscount3

pos_count = -negcount3

else:

pos_count = poscount3

neg_count = negcount3

count1.append([pos_count, neg_count])

count2.append(count1)

count1 = []

return count2

6. 計算出所需的積極情感值，消極情感值，積極情感均值，消極情感均值，積極情感方差，消極情感方差。

def sentiment_score(senti_score_list):

score = []

for review in senti_score_list:

score_array = np.array(review)

Pos = np.sum(score_array[:,0])

Neg = np.sum(score_array[:,1])

AvgPos = np.mean(score_array[:,0])

AvgNeg = np.mean(score_array[:,1])

StdPos = np.std(score_array[:,0])

StdNeg = np.std(score_array[:,1])

score.append([Pos, Neg, AvgPos, AvgNeg, StdPos, StdNeg])

return score

7. 最后把分值寫入txt 文件中即可。就不貼代碼上來了。

畫外音：耍流氓啊，講了一整篇都沒講到情感詞典在哪里，這不坑爹么！

不急不急，下一篇再講。