python实现基于词典的文本情感分析.zip

python实现基于词典的文本情感分析，包含测试数据和实现代码

# -*- coding: utf-8 -*-
“““
Created on Sun May 14 16:04:08 2017
wordcloud required C++ 14.0
running on python 3.5
@author: wangmin
“““

import jieba
import collections
import numpy as np
from PIL import Image
from wordcloud import WordCloud ImageColorGenerator
import matplotlib.pyplot as plt 
# 读入评论数据，正负情感词典并合并
evaluation = []
stopwords = []
pos = []
neg = []
mydict = []

infile = open（“evaluation.csv“ ‘r‘）
for line in infile:
    data = line.rstrip（）.split（‘‘）
    evaluation.append（data[1]）
del evaluation[0]
    
infile = open（“negative.csv“ ‘r‘）
for line in infile:
    data = line.rstrip（）.split（‘‘）
    neg.append（data[1]）
infile = open（“positive.csv“ ‘r‘）
for line in infile:
    data = line.rstrip（）.split（‘‘）
    pos.append（data[1]）

mydict = pos + neg
   
file = open（“stopwords.csv“ ‘r‘）
for s in file:
    data = s.rstrip（）.split（‘‘）
    stopwords.append（data[1]）
 
# 对每条评论分词并保存分词结果
eva = []
for i in range（len（evaluation））:
    seg_list = jieba.cut（evaluation[i] cut_all=False）
    seg_list = list（seg_list）
    eva.append（seg_list）
        
# 删除一个字的词
new_eva = eva
tmp = []
t = 0
for j in range（3321）:
    for k in range（len（eva[j]））:
        if len（eva[j][k]） >= 2:
            tmp.append（eva[j][k]）
    new_eva[t] = tmp
    tmp = []
    t=t+1
  
# 删除停止词（对分析没有意义的词）
#for word in stopwords:
          
# 自定义情感类型得分函数
def GetScore（list）:
    neg_s = 0
    pos_s = 0
    for w in list:
        if （w in neg） == True:
            neg_s = neg_s + 1
        elif （w in pos） == True:
            pos_s = pos_s + 1
    if （neg_s-pos_s） > 0:
        score = ‘NEGATIVE‘
        return score
    elif （neg_s-pos_s） < 0:
        score = ‘POSITIVE‘
        return score
    else:
        score = ‘NEUTRAL‘
        return score
        
# 计算每条评论的正负得分
Score = []
for l in range（len（new_eva））:
    Score.append（GetScore（new_eva[l]））
    
‘‘‘   
def find_all_index（arritem）:
    return [i for ia in enumerate（arr） if a==item]
            
NEG=find_all_index（Score‘NEGATIVE‘）
POS=find_all_index（Score‘POSITIVE‘）
NEU=find_all_index（Score‘NEUTRAL‘）       

print（len（NEG））
print（len（POS））
print（len（NEU）） 
‘‘‘

    
# 统计词频
wf = {}
for p in range（len（new_eva））:
    for word in new_eva[p]:
        if word not in wf:
            wf[word]=0
        wf[word]+=1

def Sort_by_count（d）:
    d = collections.OrderedDict（sorted（d.items（）key = lambda t: -t[1]））
    return d

wf = Sort_by_count（wf）    
top_key = []
top_word = []
for key in wf.items（）:
    top_key.append（key）


top_word = top_key[1:51]   
print（top_key[0:49]）
#for keyvalues in wf.items（）:
#    print（key + “%d“ % values）



# 绘制词云
word_space_split = ‘a‘
for i in range（3322）:
     new_eva[i] = “ “.join（new_eva[i]）
     word_space_split += new_eva[i]
 
word_space_split = word_space_split.replace（‘word‘‘‘）
     
 
  
abel_mask = np.array（Image.open（‘C:/Users/wangmin/Pictures/aaa/ab

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-11-04 13:47  python实现基于词典的文本情感分析\
     文件        3902  2017-05-16 01:37  python实现基于词典的文本情感分析\python\python实现.py
     文件      124695  2017-05-14 16:35  python实现基于词典的文本情感分析\python\positive.csv
     文件      110411  2017-05-14 16:33  python实现基于词典的文本情感分析\python\negative.csv
     文件      254017  2017-05-14 16:10  python实现基于词典的文本情感分析\python\evaluation.csv
     文件       33619  2017-05-15 17:23  python实现基于词典的文本情感分析\python\Rplot.png
     目录           0  2019-11-04 13:47  python实现基于词典的文本情感分析\python\
     文件      124468  2017-05-14 22:33  python实现基于词典的文本情感分析\python\stopwords.csv
     目录           0  2017-05-16 01:37  python\
     文件       33619  2017-05-15 17:23  python\Rplot.png
     文件      254017  2017-05-14 16:10  python\evaluation.csv
     文件      110411  2017-05-14 16:33  python\negative.csv
     文件      124695  2017-05-14 16:35  python\positive.csv
     文件        3902  2017-05-16 01:37  python\python实现.py
     文件      124468  2017-05-14 22:33  python\stopwords.csv