寫在前面：
現有的情感分析比較常用的有兩種，分別是基于詞典的和機器學習，前者也屬于非監督學習，后者自然一般屬于監督學習。

剛開始學情感分析，下面先從**【基于詞典的情感分析】**開始進行：

• 詞典：我東搜西找找到了一些感覺是常用的字典，主要有（臺灣大學NTUSD簡體中文情感詞典，清華大學李軍中文褒貶義詞典，BosonNLP_sentiment_score，知網hownet2007）

• 詞典下載傳送門
  （積fen少的學生黨可以評論留言【年級+郵箱】，看到會發送滴）

• 因為剛學，所以設計了一些比較基礎的規則（基于文本預處理之后生成了關于每一個文檔的【詞列表向量】）
  
  代碼實現：

• 加載詞典（我主要用的是NTUSD的中文情感極性詞典）：

#定義一個函數加載詞典 def dict_load(path):dict=[]with open(path, encoding='utf-8-sig') as f:for line in f:if line.strip() !='':#養成去空好習慣dict.append(line.strip())return(dict)#開始加載情感詞典列表 neg_dict = [] #消極情感詞典 pos_dict = [] #積極情感詞典 no_dict = [] #否定詞詞典 dict_file_path='XXXXXX\\'#詞典位置，根據需要修改，注意轉義符啥的！！！ pos_dict=dict_load(dict_file_path+'臺灣大學NTUSD簡體中文情感詞典/ntusd-positive.txt') #print(pos_dict) print("==pos_dict loaded successfully==") neg_dict=dict_load(dict_file_path+'臺灣大學NTUSD簡體中文情感詞典/ntusd-negative.txt') #print(neg_dict) print("==neg_dict loaded successfully==") no_dict=dict_load(dict_file_path+'否定詞典\\否定.txt') #print(no_dict) print("==no_dict loaded successfully==") #加載情感詞典結束'''

• 把之前的規則碼出來【確定以下想要的輸入的格式，以下輸入的單個文檔的分詞列表】

#定義一個函數來判斷句子中積極詞、消極詞詞頻 #===============#sent是分好詞的列表格式或者序列格式==================== def sent_count(sent, negdict, posdict, nodict):pos = 0neg = 0for i in range(len(sent)):if sent[i] in negdict:if i==1 and sent[i-1] in nodict:pos=pos+1 #否定-消極elif i==1 and sent[i-1] not in nodict:neg=neg+1 #其他-消極elif i>1 and sent[i-1] in nodict:if sent[i-2] in nodict:neg=neg+1 #否定-否定-消極else: pos=pos+1 #其他-否定-消極elif i>1 and sent[i-1] not in nodict:if sent[i-2] in nodict:pos =pos+1 #否定-其他-消極else:neg =neg+1 #其他-其他-消極elif sent[i] in posdict:if i==1 and sent[i-1] in nodict:neg=neg+1 #否定-積極elif i==1 and sent[i-1] not in nodict:pos=pos+1 #其他-積極elif i>1 and sent[i-1] in nodict:if sent[i-2] in nodict:pos=pos+1 #否定-否定-積極else: neg=neg+1 #其他-否定-積極elif i>1 and sent[i-1] not in nodict:if sent[i-2] in nodict:neg =neg+1 #否定-其他-積極else:pos =pos+1 #其他-其他-積極return pos, neg

• 如果想要更加快速的分析整個文本數據（有多個文檔組成），可以用下面的，多加了一層循環：

#==sents是list of list，sent 是分好詞的列表格式或者序列格式============= #判斷句子中積極詞、消極詞詞頻 def sent_count(sents, negdict, posdict, nodict):pos_list = []neg_list = []for sent in sents:pos=0neg=0for i in range(len(sent)):if sent[i] in negdict:if i==1 and sent[i-1] in nodict:pos=pos+1 #否定-消極elif i==1 and sent[i-1] not in nodict:neg=neg+1 #其他-消極elif i>1 and sent[i-1] in nodict:if sent[i-2] in nodict:neg=neg+1 #否定-否定-消極else: pos=pos+1 #其他-否定-消極elif i>1 and sent[i-1] not in nodict:if sent[i-2] in nodict:pos =pos+1 #否定-其他-消極else:neg =neg+1 #其他-其他-消極elif sent[i] in posdict:if i==1 and sent[i-1] in nodict:neg=neg+1 #否定-積極elif i==1 and sent[i-1] not in nodict:pos=pos+1 #其他-積極elif i>1 and sent[i-1] in nodict:if sent[i-2] in nodict:pos=pos+1 #否定-否定-積極else: neg=neg+1 #其他-否定-積極elif i>1 and sent[i-1] not in nodict:if sent[i-2] in nodict:neg =neg+1 #否定-其他-積極else:pos =pos+1 #其他-其他-積極pos_list.append(pos)neg_list.append(neg)return pos_list, neg_list

• 然后調用這個函數就闊以啦~~

寫在后面：
剛開始學，如有不當，請好言勸我呀~~
~~歡迎 批評 指教~
有更好的方法和規則期待分享，提前感謝！

總結

以上是生活随笔為你收集整理的python3---情感分析（基于词典中文）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。