pythonjieba情感分析步骤_Python基于NLTK＋jieba＋SnowNLP的情感分析（一）

搜集了网上一些论坛的玩家反馈信息，需要进行正负面分析，刚开始是用jieba分词然后关键词匹配的做法去实现的，但是发现这样子做比较不合情理，因为不带情感、简单的分词会对真实意思产生偏差

比如：

我不喜欢今天的电影

分词之后的效果是

我，不，喜欢，今天，的，电影

所以我的做法是

1、适用nltk的NaiveBayesClassifier包进行关键词训练进行

2、WordPunctTokenizer进行带情感的分词

3、classifier.classify+SnowNLP进行正负面分析

接下来分步讲解实现方式

1、数据准备、特征提取

我自有一批正面关键词和负面关键词，需要注入到nltk里面，这样可以使它在进行分析的时候，把我的词库也加到影响因子里面

def word_feats(words):

return dict([(word, True) for word in words])

# 训练将特征提取之后的对象适用NaiveBayesClassifier进行训练

classifier = NaiveBayesClassifier.train(train_set)

2、分词

分词需要用到nltk的stopwords去过滤一些噪音，以免对分析结果产生太多影响

fromnltk.corpusimportstopwords

word_lst = WordPunctTokenizer().tokenize(text)

word_lst =[wforwinword_lstif(wnot instopwords.words('stop_word'))]

使用stopwords.words的时候可能会出现如下