利用Sentiwordnet进行文本情感分析（简）

1. 简介

利用python中的NLTK包对英文进行分词，得到词频，标注词性，得到单词得分，最后可再根据实际情况计算文本情感分。注：分词只能得到一个个单词，不能得到短语。（我的第一篇blog！！！）

2. 下载NLTK包和它内部的词典

• 使用pip下载nltk
  pip install nltk

• 利用nltk下载词典
  先在代码行输入：

  import nltk
  nltk.download()
  

  弹出下载框，可选all，一般下载book就够用了，不够的话在运行代码时会弹出错误提示你缺什么，再下载也可以。

3. 全过程代码详解

1. 导入所需包，函数

import pandas as pd #著名数据处理包
import nltk 
from nltk import word_tokenize #分词函数
from nltk.corpus import stopwords #停止词表，如a,the等不重要的词
from nltk.corpus import sentiwordnet as swn #得到单词情感得分
import string #本文用它导入标点符号，如!"#$%& 

2. 分词

• 导入文本

  text = 'Nice quality, fairly quiet, nice looking and not too big.  I bought two.'
  

• 载入停止词

  stop = stopwords.words("english") + list(string.punctuation)
  >>> stop[:5]
  ['i', 'me', 'my', 'myself', 'we']
  

• 根据停止词表分词

  >>>[i for i in word_tokenize(str(text).lower()) if i not in stop]
  ['nice', 'quality', 'fairly', 'quiet', 'nice', 'looking', 'big', 'bought', 'two']
  

``

3. 计数，给予词性标签

ttt = nltk.pos_tag([i for i in word_tokenize(str(text[77]).lower()) if i not in stop])
>>> ttt
[('nice', 'JJ'), ('quality', 'NN'), ('fairly', 'RB'), ('quiet', 'JJ'), ('nice', 'JJ'), ('looking', 'VBG'), ('big', 'JJ'), ('bought', 'VBD'), ('two', 'CD')]
>>> word_tag_fq = nltk.FreqDist(ttt)
>>> word_tag_fq
FreqDist({
   ('nice', 'JJ'): 2,