【python机器学习】中文情感分析

最新推荐文章于 2024-10-11 22:14:51 发布

xxjcyh

最新推荐文章于 2024-10-11 22:14:51 发布

阅读量7.4k

点赞数 6

分类专栏： python机器学习

本文链接：https://blog.csdn.net/weixin_37888958/article/details/88967232

版权

本文介绍了使用Python进行中文情感分析的实践，包括数据预处理、snownlp库的应用、朴素贝叶斯模型的训练，以及分词、特征提取等步骤。通过对大众点评评论数据的情感标注和模型训练，展示了情感分析的过程。

摘要由CSDN通过智能技术生成

3月31日，3月最后的一天接到了腾讯HR终面，看着招聘官网变成已完成还有点小自豪呢

然后百度搜了搜显示“已完成”是不是稳了，原来不是，好多最后被通知没被录取。。。。

随缘吧~代码还要继续码，博客还要继续更，论文还要继续写。。。。。

数据源

公众号文章：Python有趣|中文文本情感分析
罗罗攀在里面有发数据，大家以后可以跟着他的公众号进行学习，非常适合我这种小白哈哈哈哈哈哈
这是大众点评上的评论数据（王树义老师提供）

原始数据

import pandas as pd
import csv
import numpy as np
data = pd.read_csv(r'C:\Users\xuxiaojielucky_i\Desktop\data1.csv',encoding='utf-8')
data.head()

在这里插入图片描述

情感分析——分类

可以看到数据中有一列是平分（star）数据，我们看先这个数据有哪些分值。可以看到分值有1,2,4,5四中等级。

data['star'].unique()

在这里插入图片描述
对数据进行标注，我们假定分数小于3的为消极并标注为0，大于3的分数为积极并标注为1，通过1和0 对数据进行分类，因此我们定义一个函数，用apply方法得到一个新的列（分类的列）。

def make_label(star):
    if star > 3:
        return 1
    else:
        return 0
data['setiment'] = data.star.apply(make_label)        
data.head()

在这里插入图片描述

snownlp

python最强大的地方就是第三方库，其实有现成的库可以直接对文本进行情感分析，如snownlp，直接调用返回的是积极情绪的概率，我们来调用一下吧~
在这里插入图片描述

import snownlp
text1 = '我的卷发棒在哪？'
text2 = '

关注

专栏目录