現(xiàn)如今各種APP、微信訂閱號(hào)、微博、購(gòu)物網(wǎng)站等網(wǎng)站都允許用戶發(fā)表一些個(gè)人看法、意見(jiàn)、態(tài)度、評(píng)價(jià)、立場(chǎng)等信息。針對(duì)這些數(shù)據(jù)，我們可以利用情感分析技術(shù)對(duì)其進(jìn)行分析，總結(jié)出大量的有價(jià)值信息。例如對(duì)商品評(píng)論的分析，可以了解用戶對(duì)商品的滿意度，進(jìn)而改進(jìn)產(chǎn)品；通過(guò)對(duì)一個(gè)人分布內(nèi)容的分析，了解他的情緒變化，哪種情緒多，哪種情緒少，進(jìn)而分析他的性格。怎樣知道哪些評(píng)論是正面的，哪些評(píng)論是負(fù)面的呢？正面評(píng)價(jià)的概率是多少呢？

利用python的第三方模塊SnowNLP可以實(shí)現(xiàn)對(duì)評(píng)論內(nèi)容的情感分析預(yù)測(cè)，SnowNLP可以方便的處理中文文本內(nèi)容，如中文分詞、詞性標(biāo)注、情感分析、文本分類、提取文本關(guān)鍵詞、文本相似度計(jì)算等。大概大于等于0.5，可以判斷為正面評(píng)價(jià)——積極情感，小于0.5，可以判斷為負(fù)面評(píng)價(jià)——消極情感。

下面分析一組京東上某產(chǎn)品的評(píng)論數(shù)據(jù)并生成折線圖：

部分源數(shù)據(jù)：

實(shí)現(xiàn)過(guò)程：

#加載情感分析模塊from snownlp import SnowNLP#from snownlp import sentimentimport pandas as pdimport matplotlib.pyplot as plt#導(dǎo)入樣例數(shù)據(jù)aa =’F:python入門python編程錦囊Code（實(shí)例源碼及使用說(shuō)明）Code（實(shí)例源碼及使用說(shuō)明）Code（實(shí)例源碼及使用說(shuō)明）09data京東評(píng)論.xls’#讀取文本數(shù)據(jù)df=pd.read_excel(aa)#提取所有數(shù)據(jù)df1=df.iloc[:,3]print(’將提取的數(shù)據(jù)打印出來(lái)：n’,df1)#遍歷每條評(píng)論進(jìn)行預(yù)測(cè)values=[SnowNLP(i).sentiments for i in df1]#輸出積極的概率，大于0.5積極的，小于0.5消極的#myval保存預(yù)測(cè)值myval=[]good=0bad=0for i in values: if (i>=0.5): myval.append('正面') good=good+1 else: myval.append('負(fù)面') bad=bad+1df[’預(yù)測(cè)值’]=valuesdf[’評(píng)價(jià)類別’]=myval#將結(jié)果輸出到Exceldf.to_excel(’F:python入門python編程錦囊Code（實(shí)例源碼及使用說(shuō)明）Code（實(shí)例源碼及使用說(shuō)明）Code（實(shí)例源碼及使用說(shuō)明）09dataresult2.xls’)rate=good/(good+bad)print(’好評(píng)率’,’%.f%%’ % (rate * 100)) #格式化為百分比#作圖y=valuesplt.rc(’font’, family=’SimHei’, size=10)plt.plot(y, marker=’o’, mec=’r’, mfc=’w’,label=u’評(píng)價(jià)分值’)plt.xlabel(’用戶’)plt.ylabel(’評(píng)價(jià)分值’)# 讓圖例生效plt.legend()#添加標(biāo)題plt.title(’京東評(píng)論情感分析’,family=’SimHei’,size=14,color=’blue’)plt.show()

Excel結(jié)果：

作圖的結(jié)果：

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持好吧啦網(wǎng)。