[Python NLTK] Kes praktikal: Analisis sentimen, cerapan tentang emosi pengguna

Analisis sentimen, juga dikenali sebagai perlombongan pendapat, merupakan cabang penting Pemprosesan Bahasa Asli, bertujuan untuk memahami dan mengenal pasti emosi dan emosi dalam teks. Analisis sentimen digunakan secara meluas dalam banyak bidang, seperti analisis pendapat umum, analisis kepuasan pelanggan, analisis penilaian produk, dsb.

Dalam tutorial ini, kami akan menggunakan perpustakaan python NLTK untuk melaksanakan analisis sentimen dan menunjukkan cara mendapatkan cerapan tentang emosi pengguna. Pertama, kita perlu mengimport perpustakaan yang diperlukan:

import nltk
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

Seterusnya, kita perlu memuat turun dan memuatkan kamus emosi. NLTK menyediakan banyak kamus emosi, salah satu kamus yang biasa digunakan ialah VADER (Valence Aware Dictionary dan sEntiment Reasoner). Kami boleh menggunakan kod berikut untuk memuat turun dan memuatkan kamus VADER:

from nltk.sentiment.vader import SentimentIntensityAnalyzer
analyzer = SentimentIntensityAnalyzer()

Selepas memuatkan kamus, kami boleh melakukan analisis sentimen pada teks. NLTK menyediakan banyak fungsi analisis sentimen, salah satu fungsi yang biasa digunakan ialah SentimentIntensityAnalyzer.polarity_scores(). Kita boleh menggunakan fungsi ini untuk mengira kekutuban sentimen teks Julat kekutuban ialah [-1, 1], dengan -1 mewakili sentimen negatif, 0 mewakili sentimen neutral dan 1 mewakili sentimen positif.

text = "这部电影真是一部杰作！"
score = analyzer.polarity_scores(text)
print(score)

Hasil keluarannya ialah:

scores = [analyzer.polarity_scores(text) for text in texts]
polarity = [score["compound"] for score in scores]
plt.hist(polarity, bins=10)
plt.xlabel("情感极性")
plt.ylabel("文本数量")
plt.title("情感分析结果")
plt.show()

Dengan merancang hasil analisis sentimen, kita dapat melihat secara visual taburan sentimen teks dan mengekstrak maklumat berharga daripadanya.

Semoga artikel ini bermanfaat untuk anda. Jika anda mempunyai sebarang soalan atau cadangan, sila hubungi saya.

Atas ialah kandungan terperinci [Python NLTK] Kes praktikal: Analisis sentimen, cerapan tentang emosi pengguna. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!