情感极性分析：基于情感词典、k-NN、Bayes、最大熵、SVM的情感极性分析

1、预处理

（1）、特征提取

• 对应文件：feature_extraction.py

最后结果：

（2）、结果评价

• 对应文件：tools.py

结果展示

2、基于情感词典的情感极性分析

—— sentiment analysis based on sentiment dict

• 对应文件：classifier.py DictClassifier

使用1：analyse_sentence

analyse_sentence(sentence, runout_filepath=None, print_show=False)

对单个句子进行情感极性分析

• sentence，待分析的句子
• 若runout_filepath指定，则将分析结果写入该文件；
• 若print_show为True，则在控制台输出分析结果。

运行实例：

输出实例：

几种情感分析方法比较

基于词典

• 准确率：准确率较高（80%以上），随着人工工作量的增加，准确率增加
• 优点：易于理解
• 缺点：人工工作量大

基于k_NN

• 准确率：很低（60% - 70%）
• 优点：思想简单、算法简单
• 缺点：准确率低；耗内存；耗时间

基于Bayes

• 准确率：还可以（70% - 80%）
• 优点：简单，高效，运算速度快，扩展性好
• 缺点：准确率不高，达不到实用

基于最大熵

• 准确率：比较高（83%以上）
• 优点：准确率高
• 缺点：训练时间久

基于SVM

• 准确率：最高（85%以上）
• 优点：准确率高
• 缺点：训练耗时

代码 获取：

关注微信公众号 datayx 然后回复 极性 即可获取。

AI项目体验地址 https://loveai.tech

一个实时的、百度外卖评论的细粒度情感分析demo

---