python和苹果_苹果手机评论情感分析(附python源码和评论数据)
原标题:苹果手机评论情感分析(附python源码和评论数据)
首先抓取网页上的数据,每一页十条评论,生成为一个txt文件。
数据链接
回复公众号 datadw 关键字“苹果”获取。
以下采用既有词典的方式:
准备四本词典,停用词,否定词,程度副词,情感词,链接也给出来:
回复公众号 datadw 关键字“苹果”获取。
[python]view plaincopy
f=open(r'C:/Users/user/Desktop/stopword.dic')#停止词
stopwords = f.readlines()
stopwords=[i.replace("n","").decode("utf-8")foriinstopwords]
fromcollectionsimportdefaultdict
# (1) 情感词
f1 =open(r"C:UsersuserDesktopBosonNLP_sentiment_score.txt")
senList = f1.readlines()
senDict = defaultdict()
forsinsenList:
s=s.decode("utf-8").replace("n","")
senDict[s.split(' ')[0]] = float(s.split(' ')[1])
# (2) 否定词
f2=open(r"C:UsersuserDesktopnotDict.txt")
notList = f2.readlines()
notList=[x.decode("utf-8").replace("n","")forxinnotListifx !='']
# (3) 程度副词
f3=open(r"C:UsersuserDesktopdegreeDict.txt")
degreeList = f3.readlines()
degreeDict = defaultdict()
fordindegreeList:
d=d.decode("utf-8")
degreeDict[d.split(',')[0]] = float(d.split(',')[1])
导入数据并且分词
[python]view plaincopy
importjieba
defsent2word(sentence):
"""
Segment a sentence to words
Delete stopwords
"""
segList = jieba.cut(sentence)
segResult = []
forwinsegList:
segResult.append(w)
newSent = []
forwordinsegResult:
ifwordinstopwords:
# print "stopword: %s" % word
continue
else:
newSent.append(word)
returnnewSent
importos
path = u"C:/Users/user/Desktop/comments/"
listdir = os.listdir(path)
t=[]
foriinlistdir:
f=open(path+i).readlines()
forjinf:
t.append(sent2word(j))
计算一下得分,注意,程度副词和否定词只修饰后面的情感词,这是缺点之一,之二是无法判断某些贬义词其实是褒义的,之三是句子越长得分高的可能性比较大,在此可能应该出去词的总数。
[python]view plaincopy
defclass_score(word_lists):
id=[]
foriinword_lists:
ifiinsenDict.keys():
id.append(1)
elifiinnotList:
id.append(2)
elifiindegreeDict.keys():
id.append(3)
word_nake=[]
foriinword_lists:
ifiinsenDict.keys():
word_nake.append(i)
elifiinnotList:
word_nake.append(i)
elifiindegreeDict.keys():
word_nake.append(i)
score=0
w=1
score0=0
foriinrange(len(id)):
# if id[i] ==3 and id[i+1]==2 and id[i+2]==1:
# score0 = (-1)*degreeWord[word_nake[i+1]]*senWord[word_nake[i+2]]
ifid[i]==1:
score0=w*senDict[word_nake[i]]
w=1
elifid[i]==2:
w=-1
elifid[i]==3:
w=w*degreeDict[word_nake[i]]
# print degreeWord[word_nake[i]]
score=score+score0
score0=0
returnscore
[python]view plaincopy
importxlwt
wb=xlwt.Workbook()
sheet=wb.add_sheet('score')
num=390
writings=""
foriint[389:]:
print"第",num,"条得分",class_score(i[:-1])
sheet.write(num-1,0,class_score(i[:-1]))
num=num+1
wb.save(r'C:/Users/userg/Desktop/result.xlsx')
排序之后图标如下,可以看出积极正面的得分比较多,负面的比较少,根据原网页的评分确实如此,然而点评为1星的有1半得分为正,点评为5星的有四分之一得分为负。基于词典的方式严重依赖词典的质量,以及这种方式的缺点都可能造成得分的偏差,所以接下来打算利用word2vec试试。
词向量的变换方式如下:
[python]view plaincopy
fromgensim.modelsimportword2vec
importlogging
logging.basicConfig(format = '%(asctime)s : %(levelname)s : %(message)s', level = logging.INFO)
sentences = word2vec.Text8Corpus("corpus.csv")# 加载语料
model = word2vec.Word2Vec(sentences, size = 400)# 训练skip-gram模型,根据单词寻找周边词
# 保存模型,以便重用
model.save("corpus.model")
# 对应的加载方式
# model = word2vec.Word2Vec.load("corpus.model")
from gensim.models import word2vec
# load word2vec model
model = word2vec.Word2Vec.load("corpus.model")
model.save_word2vec_format("corpus.model.bin", binary =True)
model = word2vec.Word2Vec.load_word2vec_format("corpus.model.bin", binary =True)
加载一下评分
[python]view plaincopy
stars=open("C:UsersuserDesktopstarsstars.txt").readlines()
stars=[ int(i.split(".")[0])foriinstars]
#三类
y=[]
foriinstars:
ifi ==1ori ==2:
y.append(-1)
elifi ==3:
y.append(0)
elifi==4ori==5:
y.append(1)
转换成词向量,发现里面有2个失败并且删除
[python]view plaincopy
importnumpy as np
importsys
reload(sys)
sys.setdefaultencoding("utf-8")
defgetWordVecs(wordList):
vecs = []
forwordinwordList:
try:
vecs.append(model[word])
exceptKeyError:
continue
returnnp.array(vecs, dtype ='float')
defbuildVecs(list):
posInput = []
# print txtfile
forlineinlist:
# print u"第",id,u"条"
resultList = getWordVecs(line)
# for each sentence, the mean vector of all its vectors is used to represent this sentence
iflen(resultList) !=0:
resultArray = sum(np.array(resultList))/len(resultList)
posInput.append(resultArray)
else:
returnposInput
X = np.array(buildVecs(t))
#327 408失败
del(y[326])
del(y[407])
y = np.array(y)
PCA降维并运用SVM进行分类
[python]view plaincopy
importmatplotlib.pyplot as plt
fromsklearn.decompositionimportPCA
# Plot the PCA spectrum
pca = PCA(n_components=400)
pca.fit(X)
plt.figure(1, figsize=(4,3))
plt.clf()
plt.axes([.2, .2, .7, .7])
plt.plot(pca.explained_variance_, linewidth=2)
plt.axis('tight')
plt.xlabel('n_components')
plt.ylabel('explained_variance_')
X_reduced = PCA(n_components = 100).fit_transform(X)
fromsklearn.cross_validationimporttrain_test_split
X_reduced_train,X_reduced_test,y_reduced_train,y_reduced_test= train_test_split(X, y, test_size=0.33, random_state=42)
fromsklearn.svmimportSVC
fromsklearnimportmetrics#准确度
clf = SVC(C = 2, probability =True)
clf.fit(X_reduced_train, y_reduced_train)
pred_probas = clf.predict(X_reduced_test)
scores =[]
scores.append(metrics.accuracy_score(pred_probas, y_reduced_test))
printscores
降维后的准确度为auc=0.83,相比MLP神经网络的准确度0.823来说结果差不多,以下是MLP的代码。对于利用word2vec来说,其结果依赖于语料库的词语量大小,我打印了部分失败的词语如下,表明在语料库中并没有找到相关的词,导致向量的表达信息有所缺失。
[python]view plaincopy
fromkeras.modelsimportSequential
fromkeras.layersimportDense, Dropout, Activation
fromkeras.optimizersimportSGD
model = Sequential()
model.add(Dense(512, input_dim =400, init ='uniform', activation ='tanh'))
model.add(Dropout(0.7))
# Dropout的意思就是训练和预测时随机减少特征个数,即去掉输入数据中的某些维度,用于防止过拟合。
model.add(Dense(256, activation ='relu'))
model.add(Dropout(0.7))
model.add(Dense(128, activation ='relu'))
model.add(Dropout(0.7))
model.add(Dense(64, activation ='relu'))
model.add(Dropout(0.7))
model.add(Dense(32, activation ='relu'))
model.add(Dropout(0.7))
model.add(Dense(16, activation ='relu'))
model.add(Dropout(0.7))
model.add(Dense(1, activation ='sigmoid'))
model.compile(loss = 'binary_crossentropy',
optimizer = 'adam',
metrics = ['accuracy'])
model.fit(X_reduced_train, y_reduced_train, nb_epoch = 20, batch_size =16)
score = model.evaluate(X_reduced_test, y_reduced_test, batch_size = 16)
print('Test accuracy: ', score[1])
原文:http://blog.csdn.net/Jemila/article/details/62887907?locationNum=7&fps=1返回搜狐,查看更多
责任编辑:
python和苹果_苹果手机评论情感分析(附python源码和评论数据)相关推荐
- python 获取csv的列数_《极限挑战》弹幕及评论情感分析(Python)
一.数据说明 本次实验用到的数据是前三季<极限挑战>第一期视频的评论数据和弹幕数据. 二.数据来源 本次实验所有数据均从bilibili爬取和处理得到. (1)视频来源 评论和弹幕数据来源 ...
- Python编程:实现词云生成(附详细源码)
Python编程:实现词云生成(附详细源码) 词云是一种数据可视化的方式,它可以用来展示某个主题下的主要关键词汇.在Python中,我们可以使用 wordcloud 库来实现词云的生成.本文将带您一步 ...
- Python文本情感分析实战【源码】
Python文本情感分析 引言: 情感分析:又称为倾向性分析和意见挖掘,它是对带有情感色彩的主观性文本进行分析.处理.归纳和推理的过程,其中情感分析还可以细分为情感极性(倾向)分析,情感程度分析,主客 ...
- 中文情感分析——snownlp类库 源码注释及使用
最近发现了snownlp这个库,这个类库是专门针对中文文本进行文本挖掘的. 主要功能: 中文分词(Character-Based Generative Model) 词性标注(TnT 3-gram 隐 ...
- 30 行Python代码实现蚂蚁森林自动收能量(附送源码)
公众号 "菜鸟学Python", 设为 "星标" 带你一起学Python 编辑:业余草 blog.csdn.net/article/details/113734 ...
- python电影评论情感分析_NLP文本分类问题-电影评论的情感分析
从头开始学习嵌入 import pandas as pd import numpy as np #读取csv文件 train = pd.read_csv('/kaggle/input/imdb-dat ...
- python选股源代码_【一点资讯】Python实现行业轮动量化选股【附完整源码】 www.yidianzixun.com...
1.背景 大量研究表明,A股行业有明显的轮动现象,并且与A股相反,行业指数通常呈现动量特征,即前期涨幅高的行业,会延续上涨的趋势,比前期涨幅低的行业有明显超额收益. 此外,也有大量研究表明,A股市场存 ...
- python量化选股策略 源码_【一点资讯】Python实现行业轮动量化选股【附完整源码】...
1.背景 大量研究表明,A股行业有明显的轮动现象,并且与A股相反,行业指数通常呈现动量特征,即前期涨幅高的行业,会延续上涨的趋势,比前期涨幅低的行业有明显超额收益. 此外,也有大量研究表明,A股市场存 ...
- python图书推荐系统_在线图书推荐系统的实现含源码(协同过滤)
项目简介 基于模型的协同过滤应用---图书推荐 本文实现对用户推荐图书的简单应用. 推荐算法: 在我们的在线图书推荐系统中,我们借用Spark的ALS算法的训练和预测函数,每次收到新的数据后,将其更新 ...
最新文章
- 项目管理、测试管理、代码bug 管理
- boost::endian模块实现算术缓冲区的测试程序
- Docker入门-搭建docker私有仓库
- 光轴会聚模型求解世界坐标点流程与公式理解
- 深度学习(五十一)变分贝叶斯自编码器(上)
- 多址接入技术TDMA CDMA FDMA Aloha等
- 如何把Sql Server2005 数据库转换成Access
- 机器学习基础(三十) —— 线性回归、正则化(regularized)线性回归、局部加权线性回归(LWLR)
- 虚拟机文件系统混乱,导致编译失败
- 联想叶明:“双态IT”不能一刀切理解
- 排队论----学习反馈
- getchar()用法
- 架构——20——Jenkins+Gitlab实现持续集成——3
- 网易有道精品课好在哪里?有知道的大家说一说
- Qt扫盲-QSystemTrayIcon理论总结
- Elasticsearch的搜索命令
- mysql主从复制延迟解决
- MATLAB希尔伯特黄变换HHT
- JavaWeb开发与代码的编写(二十四)
- 【教你赚钱】5分钟成为副业致富的独立开发者