【NLP+机器学习】实现对评论的情感倾向分析，预测，评估

前言

• 对文本的情感分析采用了两种思路——文本分类和文本聚类

有监督的学习	无监督的学习
训练集包括输入和由人工标注的输出（x，y）	其训练集没有人为标注的输出（x）
分类（classify）	聚类（cluster）

• 测试文本（语料）来自于nltk库的movie_reviews语料库，其根据其倾向（$neg/pos$）将txt分为了两个文件夹

• 如果你愿意，也可以引入自己的语料库/文本，自己打标签
  戳这里 ---->《NLTK载入自己的语料库》
• nltk提供的影评文本是自带预处理的，如果你想使用自己的语料库/文本，可能会遇到分词的麻烦。这篇短文可以让你快速入门分词，并轻易地用两行代码实现它：
  戳这里 ---->《一篇文章入门分词（Tokenization）》
• 老生常谈，库的安装问题：
  戳这里 ---->《Python安装第三方库的终极解决方法》
  戳这里 ---->《PyCharm无法找到pip3安装的第三方库》

 

 

正文

《【文本分类】基于三种分类器实现影评的情感分析（朴素贝叶斯，最大熵，决策树）》

《【文本分类】基于两种分类器实现影评的情感分析（SVM，KNN）》

《【文本聚类】一片文章弄懂三种聚类算法（K-Means，Agglomerative，DBSCAN）》

《【文本聚类】三种聚类算法实现影评的情感分析（K-Means，Agglomerative，DBSCAN）》

 

 

后记

• 其他问题，点这里 ------->《百度·百科》
• 科班的，非科班的，尽在这里的分类专栏中 >_< -------> 丧心病狂Loli控的BLOG