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 wordsin 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 linein 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。

来源：基于词典的情感分析——简单实例 - 嘉陵长风