中文自然语言处理库(SnowNLP)的简单使用

最新推荐文章于 2024-04-28 09:07:34 发布

阡之尘埃

最新推荐文章于 2024-04-28 09:07:34 发布

阅读量2k

点赞数 25

文章标签：自然语言处理人工智能 python Snownlp

本文链接：https://blog.csdn.net/weixin_46277779/article/details/135360539

版权

snownlp 是一个简单易用的 Python 库，专为处理中文文本而设计。它基于自然语言处理技术，提供了多种功能，包括分词、词性标注、情感分析、文本转换（简繁转换）等。这个库的核心优势在于对中文文本的处理能力，尤其是情感分析功能。

主要功能

分词（Tokenization）：将长文本划分为单独的词汇。
词性标注（Part-of-Speech Tagging）：标注文本中每个词汇的词性，如名词、动词等。
情感分析（Sentiment Analysis）：判断文本的情感倾向是正面还是负面。
文本转换（Text Conversion）：实现简体和繁体中文之间的转换。
关键词提取（Keywords Extraction）：提取文本中的关键词。
摘要生成（Summarization）：从文本中提取关键句生成摘要。
短语提取（Phrase Extraction）：从文本中提取短语。

安装

snownlp 可以通过 pip 安装：

pip install snownlp

示例

以下是使用snownlp进行各种处理的一些基本示例：

分词

from snownlp import SnowNLP

text = """
中新社北京2023年12月29日电(记者 刘育英)中国工信部12月29日发布的《工业和信息化部等八部门关于加快传统制造业转型升级的指导意见》提出，到2027年，中国传统制造业在全球产业分工中的地位和竞争力进一步巩固增强。传统制造业是中国制造业的主体，石化化工、钢铁、有色、建材、机械、汽车、轻工、纺织等传统制造业增加值占中国全部制造业的比重近80%。但中国传统制造业“大而不强”“全而不精”问题仍然突出，低端供给过剩和高端供给不足并存，创新能力不强，产业基础不牢，资源约束趋紧，要素成本上升，巩固提升竞争优势面临较大挑战。指导意见提出，到2027年，传统制造业高端化、智能化、绿色化、融合化发展水平明显提升，有效支撑制造业比重保持基本稳定，在全球产业分工中的地位和竞争力进一步巩固增强。工业企业数字化研发设计工具普及率、关键工序数控化率分别超过90%、70%，工业能耗强度和二氧化碳排放强度持续下降，万元人民币工业增加值用水量较2023年下降13%左右，大宗工业固体废物综合利用率超过57%。
"""
#分词
s = SnowNLP(text)
print(s.words)

词性标注

tags = [word.tag for word in SnowNLP(text).tags]
print(tags)

情感分析

#情感分析
sentiment = SnowNLP(text).sentiments
print(sentiment)

s.sentiments是SnowNLP库中用于情感分析的功能。这个情感分数是一个介于0到1之间的浮点数，用于表示文本的情感倾向。分数越接近1，表示文本的情感倾向越正面；分数越接近0，表示文本的情感倾向越负面。

文本转换（简繁转换）

#简繁转化
traditional = SnowNLP(text).han
print(traditional)

还是简体，这个功能不一定有效。。。

关键词提取

#提取关键词
keywords = SnowNLP(text).keywords(limit=5)
print(keywords)

摘要生成


#总结摘要
summary = SnowNLP(text).summary(3)# 提取3个句子作为摘要
print(summary)

提取关键词和生成摘要的效果还不错。

依存句法分析：

分析文本中词语之间的依存关系。

s = SnowNLP(text)
dependency = s.tags  # 获取依存关系
for item in dependency:
    print(item)

就是词性标注。没啥区别。

文本分类：

对文本进行分类（需要自行训练模型）。

#文本分类：对文本进行分类（需要自行训练模型）。

# 首先需要有一些标注好的数据进行训练
# 例如：snownlp.SnowNLP([[words, tags], ...])
# 然后使用save方法保存训练好的模型

# 首先需要有一些标注好的数据进行训练

转换成拼音：

将中文文本转换成拼音。

s = SnowNLP(text)
pinyin = s.pinyin
print(pinyin)

这个功能还挺实用的。

词频统计：

对文本中的词频进行统计。

s = SnowNLP(text)
words_count = s.tf
print(words_count)

这个...不是词频是字频吧

注意事项

snownlp 对于情感分析提供了预训练模型，但这个模型可能不适用于所有类型的文本。对于特定领域或特定文体的文本，可能需要额外的训练来优化结果。
库的准确性在很大程度上依赖于数据质量和数据量，对于复杂或特殊的文本内容，可能需要进一步的自定义处理或训练。

snownlp 是处理中文文本的强大工具，但它的功能和准确性可能会受限于所使用的数据和特定应用场景。

虽然代码是gpt写的，但是我都运行了的，是可以跑的，这篇算是这个库的简单使用。其中的一些功能，词频统计，关键词提取，情感分析，生成摘要，转化拼音。还是很实用的功能。以后会有场景用得上的。

创作不易，看官觉得写得还不错的话点个关注和赞吧，本人会持续更新python数据分析领域的代码文章~(需要定制代码可私信)