Sentiment Analysis
优质
小牛编辑
122浏览
2023-12-01
语义分析是关于分析观众的一般意见。 这可能是对一则新闻,电影或任何有关正在讨论的事项的推文的反应。 通常,此类反应来自社交媒体,并通过NLP分组到文件中进行分析。 我们将首先简单地定义正面和负面的单词。 然后采用一种方法来分析这些单词作为句子的一部分使用这些单词。 我们使用nltk中的sentiment_analyzer模块。 我们首先用一个单词进行分析,然后用配对单词进行分析,也称为双字组。 最后,我们用mark_negation函数中定义的负面情绪标记单词。
import nltk
import nltk.sentiment.sentiment_analyzer
# Analysing for single words
def OneWord():
positive_words = ['good', 'progress', 'luck']
text = 'Hard Work brings progress and good luck.'.split()
analysis = nltk.sentiment.util.extract_unigram_feats(text, positive_words)
print(' ** Sentiment with one word **\n')
print(analysis)
# Analysing for a pair of words
def WithBigrams():
word_sets = [('Regular', 'fit'), ('fit', 'fine')]
text = 'Regular excercise makes you fit and fine'.split()
analysis = nltk.sentiment.util.extract_bigram_feats(text, word_sets)
print('\n*** Sentiment with bigrams ***\n')
print analysis
# Analysing the negation words.
def NegativeWord():
text = 'Lack of good health can not bring success to students'.split()
analysis = nltk.sentiment.util.mark_negation(text)
print('\n**Sentiment with Negative words**\n')
print(analysis)
OneWord()
WithBigrams()
NegativeWord()
当我们运行上面的程序时,我们得到以下输出 -
** Sentiment with one word **
{'contains(luck)': False, 'contains(good)': True, 'contains(progress)': True}
*** Sentiment with bigrams ***
{'contains(fit - fine)': False, 'contains(Regular - fit)': False}
**Sentiment with Negative words**
['Lack', 'of', 'good', 'health', 'can', 'not', 'bring_NEG', 'success_NEG', 'to_NEG', 'students_NEG']