「广州侦探公司在哪里」「笔记」用Python进行文本情感分析

早在2010年「情感问题在线咨询」，Jonhan Bollen 等人就在《Twitter mood predicts the stock market》一文中强调运用 Twitter 中的公开信息进行情感剖析，以此来对股市的涨落做分析，准确率高达87.6%！并且它们觉得「情感问题在线咨询」，只要可获取长期实时社交媒体文本数据，并进行相应的情感剖析才能确保给与较好预测效果。

当前，随着电子商务的迅猛发展，我们可以获得的文本数据比较多，例如大众点评、豆瓣跟亚马逊等等。

Natural Language Toolkit，自然语言处理工具包，在NLP领域中，最常使用的一个Python库。NLTK由Steven Bird和Edward Loper在宾夕法尼亚大学计算机跟信息科学系开发。

本文的实验环境是 Python 3.6.1 |Anaconda 4.4.0 (64-bit)，Win10

工具

TextBlob

安装依赖包

pip install textblob

python -m textblob.download_corpora

代码

from textblob import TextBlob
text = "I am happy today. I feel sad today."
blob = TextBlob(text)
# 拆分句子
blob.sentences  # [Sentence("I am happy today."), Sentence("I feel sad today.")]
# polarity代表情感极性，取值范围是[-1, 1]，-1代表完全负面，1代表完全正面
# subjectivity代表主观性程度
blob.sentences[0].sentiment  # Sentiment(polarity=0.8, subjectivity=1.0)
blob.sentences[1].sentiment  # Sentiment(polarity=-0.5, subjectivity=1.0)
# 对整段话进行情感分析
blob.sentiment  # Sentiment(polarity=0.15000000000000002, subjectivity=1.0)

工具

SnowNLP

安装依赖包

pip install snownlp

代码

from snownlp import SnowNLP
text = u"我今天很快乐。我今天很愤怒。"  # 使用Unicode编码
s = SnowNLP(text)
s.sentences  # ['我今天很快乐', '我今天很愤怒']
SnowNLP(s.sentences[0]).sentiments  # 0.971889316039116
SnowNLP(s.sentences[1]).sentiments  # 0.07763913772213482
s.sentiments  # 0.7237619924203508

说明

SnowNLP 和 TextBlob 的计分方法不同。SnowNLP 的情感剖析取值，表达的是“这句话代表正面情感的概率”。也就是说，对“我现在最愤怒”一句，SnowNLP 认为，它表达正面情感的概率最低更低。