大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
文章目录
1. 情感词典内容
- 情感词典构建方法归为三类, 分别是: 词关系扩展法、迭代路径法和释义扩展法
- 情感极性:正向、负向;表示正面情感(开心愉快)或负面情感(伤心愤怒)
- 情感极值:情感倾向(微笑、开怀大笑、手舞足蹈虽然都可以表示开心,但有不一样的极值,表示情绪的表现程度)
已有的情感词典请参考:
2. 情感倾向点互信息算法(SO-PMI)算法
这个算法比较直白:包含两个部分,一个是PMI,一个是SO-PMI
点互信息算法 PMI
w o r d 1 word1 word1, w o r d 2 word2 word2 表示两个不同的词, P w o r d 1 P_{word1} Pword1 表示在整个语料库中 w o r d 1 word1 word1 出现的概率,一般认为:
1. PMI > 0 表示两个词语是相关的,值越大,相关性越强
2. PMI = 0 表示两个词语是统计独立的
3. PMI < 0 表示两个词语是不相关的,互斥的
PMI算法用一句话形容就是:两个词同时出现的概率越大,其相关性越大
情感倾向点互信息算法 SO-PMI
P w o r d P_{word} Pword 指一个基准词, P w P_{w} Pw指基准词列表, w o r d word word 指随便一个词;
SO-PMI的基本思想是:有两个情感倾向的列表,一个是正向的情感词,一个是负向的情感倾向。计算每个词与这两个列表中的每个词的PMI,看这个词更接近哪个列表,是更接近正向情感词列表还是负向情感词列表。即:
SO-PMI值> 0,表示这个词更接近正向,即褒义词
SO-PMI值 = 0,表示这个词为中性词
SO-PMI值 < 0,表示这个词更像是负面词,即贬义词
一句话形容这个算法:判断一个词更倾向于与积极词一起出现,还是与消极词一起出现。
3. 构建情感词典
参考Github项目:https://github.com/liuhuanyong/SentimentWordExpansion
1. 导入项目
在python环境中安装依赖:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ jieba
然后使用git导入项目:
git clone git@github.com:liuhuanyong/SentimentWordExpansion.git
导入项目后直接运行SOPMI.py
文件就可以运行案例了。构建自己的情感词典,需要替换data/
文件夹下的train.txt
语料库与sentiment_words.txt
情感种子词,或是修改SOPMI.py
文件中的构造函数:
def __init__(self):
self.train_path = './data/train.txt' # 需要提供的训练数据语料库
self.sentiment_path = './data/sentiment_words.txt' # 需要提供的情感种子词列表
self.candipos_path = './data/candi_pos.txt' # 输出的正向词列表
self.candineg_path = './data/candi_neg.txt' # 输出的负向词列表
2. 构建情感种子词
在SO-PMI算法中提供基准词 P w o r d P_{word} Pword 的词称为情感种子词,需要自定义,种子词的构建直接决定了最后的效果。
从预料中选择一些主观上明显感觉这个词有强烈的情感倾向的词,然后按照种子词的格式罗列下来就行。种子词的列表格式是一个词\t情感倾向\n
,其中情感倾向有pos
正向/积极 与 neg
负向/消极,例:
解决 pos
尊敬 pos
问题 neg
严重 neg
投诉 neg
噪音 neg
博主这里提供一个构建情感种子词的工具类,方便将看着像这种格式,但是并没有用\t
切分的文件转换成能直接输入的格式:
file = open('my_sentiment_words.txt', 'a')
for line in open('data/sentiment_words.txt'):
line_list = line.strip().split(' ') # 词与情感倾向之间用空格切分,没有用\t切分
file.write(line_list[0] + '\t' + line_list[1] + '\n')
file.flush()
file.close()
3. 使用TF-IDF方便构建情感种子词
自己去从海量的文本中找有明显情感倾向的词这也太硬核了!所以借助TF-IDF构建会方便很多。TF-IDF的算法这里就不展开了,直接上代码:
import jieba # 分词器
import jieba.analyse
import pandas as pd
def tfidf_ana(content):
title_keys = jieba.analyse.extract_tags(content, topK=700, withWeight=False) # topK为期望得到的关键词个数
with open('tf_idf_words.txt', 'a') as file:
for i in title_keys:
file.write(i + '\n')
file.flush()
file.close()
if __name__ == '__main__':
answer_df = pd.read_csv('../coment_answer.csv')
answer_list = answer_df['content'].to_list()
answer_str = ''
for k in answer_list:
answer_str += str(k)
data = tfidf_ana(answer_str)
在tf_idf_words.txt
这个文件中会借助TF-IDF
输出700个词,从700个词中挑选情感种子词总比从语料库中找方便吧。输出格式:
拆迁
需求
附近
纠纷
受理
催促
4. 构建专业词典的效果与使用方法
以输出的candi_pos.txt
为例,这些内容包括词语,pmi值,情感极性,词的长度,词性
,使用情感词典时可以把所有词的权重定为1,也可以使用pmi值作为权重,来判断一句话的整体情感。
简单化,102.5088270306492,pos,3,v
不辞辛苦,99.88645456051404,pos,4,i
心怀,99.65437740515684,pos,2,n
祝愿,84.25764401332869,pos,2,v
人民大众,83.15324812078094,pos,4,nt
适时,82.92507246585465,pos,2,ad
欣喜,81.43696536070502,pos,2,a
密切,78.28173699693579,pos,2,ad
辛勤工作,77.90533206036869,pos,4,n
5. 其他说明
按照如上所述,替换掉案例中data/
文件夹下的train.txt
语料库与sentiment_words.txt
情感种子词后,运行SOPMI.py
即可得到预期效果。如果有报错请检查情感种子词格式每一行是否中间是用\t
切分,结尾是否用\n
换行。
在这个项目中collect_cowords
函数中有一个参数词共现窗口window_size
,可自行指定
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/172414.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...