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。