微博情感分析代码，随取随用
情感分析有三种方式。
一是自建模型训练，这种费时费力精度大概率不高。
二是使用百度等在线接口，使用 requests 等请求库调用，精度应该最高，但是这种有并发限制。
三是使用一些开源的模型，比如 SnowNLP 这种，可以直接 pip install，这种精度没有百度的高应该，但是没有接口并发等限制。
其中这三种本质上都是训练好的模型在起作用，第二种是 web sdk，第三种是 local sdk。
本文使用的第三种，需要先 pip 安装 SnowNLP 和 pandas 这两个库。
from snownlp import SnowNLP
import pandas as pd
def sentiment_score(input_file, text_col = 'text'):
df = pd.read_csv(input_file)
sentiment_score_col = 'sentiment_score'
is_scored_col = 'has_scored'
df[is_scored_col] = [False for _ in range(df.shape[0])]
for index, row in df.iterrows():
print(f'{index + 1}/{df.shape[0]}')
if row[is_scored_col] == True:
continue
text = row[text_col]
# 去除 html 标签
text = filter_html(text)
if len(text) == 0 or text == None:
# 本行没有文本
sentiment = -1
else:
sentiment = SnowNLP(text).sentiments
df.loc[index, sentiment_score_col] = sentiment
df.loc[index, is_scored_col] = True
df.to_csv(input_file, index=False, encoding='utf-8-sig')上面这个函数的作用是，输入一个 csv 文件名，并且其文本列名为 text，自动输出一个给文本打好情感分的同名 csv 文件。情感分所在列名为 sentiment_score，其值介于 0-1 之间，值小于 0.2 可以判为消极，大于 0.6 可以判为积极。
比如我有一个 12345678.csv 文件，其内容列为 content，可以这样给这个文件打分。
sentiment_score(input_file='12345678.csv', text_col='content')其中 filter_html 函数 对 html 标签作了过滤。
import re
def filter_html(text):
# text为包含html标签内容
content = re.sub("<[^>]*?>", "", text)
return content以上所有代码，复制到 py 文件中即可用~
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2021-11-13，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读