Python—基于情感词典的情感分析

*代码在前人的基础上做了一些更正。借鉴的代码已经找不到了，如之前的作者看到可以联系本人增加参照链接。*

基于情感词典的分析重点在于给句子打分，在这里情感词典显得尤为重要。在垂直领域中，一般需要根据情景建立特有的情感词典。

本文使用的情感词典：情感词典

from collections import defaultdict
import os
import re
import jieba
import codecs
import pandas as  pd


def seg_word(sentence):
    """使用jieba对文档分词"""
    seg_list = jieba.cut(sentence)
    seg_result = []
    for w in seg_list:
        seg_result.append(w)
    # 读取停用词文件
    stopwords = set()
    fr = codecs.open('senti_dict/stopwords.txt', 'r', 'utf-8')
    for word in fr:
        stopwords.add(word.strip())
    fr.close()
    # 去除停用词
    return list(filter(lambda x: x not in stopwords, seg_result))


def classify_words(word_dict):
    """词语分类,找出情感词、否定词、程度副词"""
    # 读取情感字典文件
    sen_file = open('senti_dict/情感词.txt', 'r+', encoding='utf-8')
    # 获取字典文件内容
    sen_list = sen_file.readlines()
    # 创建情感字典
    sen_dict = defaultdict()
    # 读取字典文件每一行内容，将其转换为字典对象，key为情感词，value为对应的分值
    i = 0
    for s in sen_list:
        slist = s.strip('\n').split('\t')
        # 每一行内容根据空格分割，索引