基于词典的情感分析——简单实例

基于词典的情感分析方法非常容易被理解,主要利用情感词判断一句话或者一篇文章的情感倾向,下面的程序利用BosonNLP情感词典(从https://bosonnlp.com/dev/resource 下载情感词典)计算情感倾向。在BosonNLP情感词典中,每个词有一个情感极性得分。得分大于0,表示为正向情感倾向,得分越高,倾向越强;得分小于0,表示为负向情感倾向,得分越低,倾向越强。

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('这个时候反应太慢了!'))
    print('情感得分\t' + '%.2f' % sentAnal.analyse('这本书真好,内容特别精彩。'))

                                                                                                                                                             

输出结果:

情感得分       -1.56

情感得分       7.11

                                                                                                                                                             

从上面的例子,可以看出:“这个时候反应太慢了!”判断为负向情感倾向,“这本书真好,内容特别精彩。”判断为正向情感倾向,这与我们的认知一致。虽然基于词典的情感分析方法比较简单,但是在实际中也证明有价值。以上实现还比较简答,还有很大的改进空间。

Add a Comment

电子邮件地址不会被公开。 必填项已用*标注