python做文本情感分析——某APP内评论内容作样本
2020-02-04 03:38
197 查看
之前试着做了这个文本情感分析,百度过一些方法,通过实际操作,本文记录的是正确率比较高且不繁琐的一种方法,现在也记录一下吧,希望以后能养成这个习惯,一些小tips要记录好。
随机抽取的某APP内2000条评论内容(中文形式)作为样本,目的是得出每条评论为正向评论的概率,打分范围是[0-1],此次定义[0,0.5]为负向评论,(0.5,1]为正向评论,观察其分布。
步骤一:
安装snownlp包和pandas包
原因:由于snownlp是使用淘宝评论语料,利用贝叶斯机器学习方法训练出来的模型,所以应用于本次分析比较合适。当然还是使用自己打标的样本训练出的模型正确率会更高啦~
步骤二:
下面是运行的python程序:
from snownlp import SnowNLP import pandas as pd #读取2000条评论内容的.txt文件 txt = open('C:/Users/admin/Desktop/评论内容.txt') text = txt.readlines() print(text) #确认读取文件成功,并关闭文件节省资源 print('读入成功') txt.close() #遍历每一条评论,得到每条评论是positive文本的概率,每条评论计算完成后输出ok确认执行成功 comments = [] comments_score = [] for i in text: a1 = SnowNLP(i) a2 = a1.sentiments comments.append(i) comments_score.append(a2) print('ok') #将结果数据框存为.xlsx表格,查看结果及分布 table = pd.DataFrame(comments, comments_score) print(table) table.to_excel('C:/Users/admin/Desktop/emotion_analyse.xlsx', sheet_name='result')
步骤三:
展示部分结果
(“炒鸡nice”都识别出来了,maya)
结论:
正向评论占了60%以上,说明此APP的评论趋势还是偏积极的,跟预期的分布结果一致,但还是需要调优了。
- 点赞
- 收藏
- 分享
- 文章举报
相关文章推荐
- Python实现购物评论文本情感分析操作【基于中文文本挖掘库snownlp】
- 基于词典的社交媒体内容的情感分析(Python实现)
- 纯小白Python爬取东方财富网研报内容并通过机器学习的SVM模型进行文本分析(四)
- 《Python 数据分析与挖掘实战》第十五章 电商产品评论数据LDA主题模型、文本挖掘
- python--电影评论文本情感分类
- Python进行vivo手机评论数据信息情感分析、LDA主题分析
- 纯小白Python爬取东方财富网研报内容并通过机器学习的SVM模型进行文本分析(三)
- 用python实现简单的文本情感分析
- 用python实现简单的文本情感分析
- Python电视剧评论情感分析--基于朴素贝叶斯模型
- 京东手机评论文本挖掘与数据分析(Python)
- 【转】用python实现简单的文本情感分析
- Python 文本挖掘:使用情感词典进行情感分析(算法及程序设计)
- 文本情感分析的基础在于自然语言处理、情感词典、机器学习方法等内容。以下是我总结的一些资源。
- 用Python做数据商品情感分析(商品评论数据情感分析)
- 基于python借助百度云API对评论进行情感极性分析
- Python微博评论进行情感分析
- 文本情感分析的基础在于自然语言处理、情感词典、机器学习方法等内容。以下是我总结的一些资源。
- python - 对 '数码大冒险tri 泡泡评论' 进行简单的情感分析
- 阅读:面向电子商务的评论文本情感分析研究