實體詞典情感詞典基於詞典的情感分析簡單例項

import re

import jieba # pip install jieba==0.39

class dictbasedsentanal:

def __init__(self):

self.__root_dir = 'dict/'

self.__sent_dict__ = self.__read_dict(self.__root_dir+'bosonnlp_sentiment_score.txt')

def analyse(self, sentence):

score = 0.0

for words in jieba.cut(sentence):

score += self.__sent_dict__.get(words, 0)

return score

@staticmethod

def __read_dict(path, encoding='utf-8'):

sent_dict = {}

with open(path, encoding=encoding) as input_file:

for line in input_file:

array = re.split('\s+', line.strip())

if len(array) == 2:

sent_dict[array[0]] = float(array[1])

return sent_dict

if __name__ == '__main__':

sentanal = dictbasedsentanal()

print('情感得分\t' + '%.2f' % sentanal.analyse('這個時候反應太慢了！'))

print('情感得分\t' + '%.2f' % sentanal.analyse('這本書真好，內容特別精彩。'))

輸出結果：

情感得分 -1.56

情感得分 7.11

從上面的例子，可以看出：「這個時候反應太慢了！」判斷為負向情感傾向，「這本書真好，內容特別精彩。」判斷為正向情感傾向，這與我們的認知一致。雖然基於詞典的情感分析方法比較簡單，但是在實際中也證明有價值。以上實現還比較簡答，還有很大的改進空間。

例項簡介全包括知網hownet情感詞典，台灣大學ntusd簡體中文情感詞典，情感詞彙本體，情感詞典及其分類，清華大學李軍中文褒貶義詞典，漢語情感詞極值表，否定詞典，褒貶詞及其近義詞例項截圖核心 sentimentanalysisdic sentimentanalysisdic 知網howne...

對文字的觀點喜好情感傾向進行分類 1 按情感傾向極性劃分比如分為正面負面中性情感。2 按情感程度深淺劃分比如分為熱愛喜歡一般不喜歡厭惡。3 按情感類別來劃分比如新聞分類。通過分析研究物件的情感分布，可了解輿情，輔助商業決策。2.1，文件級為觀點型文件標記整體的情感傾向極...

原理我就不講了，請移步下面這篇包括情感詞典的構建各位讀者可以根據自己的需求稍作簡化以及打分策略程式對原稍有改動本文採用的方法如下首先對單條微博進行文字預處理，並以標點符號為分割標誌，將單條微博分割為n個句子，提取每個句子中的情感詞以下兩步的處理均以分句為處理單位。第二步在情感詞表中尋...

實體詞典 情感詞典 基於詞典的情感分析 簡單例項