python做文本情感分析——某APP内评论内容作样本

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