《无问西东》豆瓣短评分析【二】

在《无问西东》豆瓣短评分析一文中，我们通过爬虫技术，抓取了220条豆瓣短评与相应打分数据，通过分词与关键词提取技术，比较了正、负向评价的关键词差异。本文中，我们对同样的数据，使用SnowNLP包，对短评进行情感分析，并与实际打分情况进行比较。

情感分析

SnowNLP可以进行中文分词、词性标注、情感分析等操作，对于情感分析，使用的语料库主要为购物方面的，可以替换语料库进行训练。本文中，直接使用默认语料库。

如下，导入《无问西东》豆瓣短评分析中得到的数据，并加载SnowNLP包，对每一条评论计算情感分析打分。SnowNLP进行情感分析得到的是［0，1］的分值，分值越高代表正向的可能性越大。

ROC比较效果

• 确定阈值

我们需要确定一个阈值，大于此阈值的预测结果，认为是正向，反之为负向。阈值的选取通过与真实结果计算得到最大auc值的划分确定。这里使用sklearn中的函数计算auc，因为此函数只能计算二分类结果，因此我们要先对数据进行处理。将实际打分在3分以上的判断为正向，小于三分为负向。然后以0.1为步长，循环计算在不同阈值下，预测结果与真实结果的auc值，取最大auc值对应的划分做为预测分类。

• 画出roc曲线

根据最终结果，画出实际值与预测值的roc曲线。

结果分析

从结果看，通过情感分析，可以在一定程度上预测短评的情感偏向，但本次结果的auc值一般，只有0.64，最可能的原因是使用默认语料库，影响了对影评情感分析的效果。所以语料库是非常关键的，如果要正式进行文本挖掘，建议要构建自己的语料库。