情感分析是自然语言处理(NLP)领域的一类任务，又称倾向性分析，意见抽取，意见挖掘，情感挖掘，主观分析等，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。具体到数据新闻领域，文本情感分析不仅可以提供一个新的数据分析方向，也可以弥补数据新闻“用数据说话”，缺乏情感考察的缺陷。

本期推送为大家带来了两个python包，SnowNLP和BaiduSenta，都适用于自然语言处理中的文本情感分析模块。通过导入文本信息，python将帮你分析语言中的褒义、贬义成分，并给出相应的分数。利用生成的情感分数，可以制作相应的数据图表来反映舆论场中人们的情感倾向。01

少量文本测试

对于希望测试这一功能而处理文本量不大的使用者来说，SnowNLP和百度开发的Senta项目分别提供了公众号测试功能与试用网页，在下载python包之前，使用者可以先行测试这两个包是否符合自身的需求。

使用者可以首先关注公众号“AINLP”，然后在对话框中输入前缀“中文情感分析”+所需要分析的语句。公众号将会提供BaiduSenta和SnowNLP两个情感分析项目所提供的分析结果。如下图所示。除此之外，百度还提供了专门的试用网页，这一试用功能在百度大脑的AI开发平台页面上，网址为：http://22j.co/bSkk

如果使用者所需要分析的文本不多，可以使用试用网页或公众号，毕竟python包的安装需要大量前置工作，耗费时间较长，如果不是长期使用建议用试用功能即可。

02

SnowNLP的安装与使用

相比于BaiduSenta，SnowNLP的优势在于安装简便，仅使用pip安装即可，基本没有前置条件。但缺陷也非常明显：分析结果只有正向倾向，同时一次只能分析单个文本。

如果需要安装SnowNLP，使用者首先应当配置好python环境，在cmd中直接输入“pip install snownlp”，即可下载对应的python包。

下载完之后，输入python进入python环境即可进行文本分析，具体案例如下。

在第一行输入from snownlp import SnowNLP，进行引用。第二行写入s = SnowNLP(‘要分析的文本’)，第三行输入s.sentiments，键入回车，即可获得文本分析结果。

需要注意的是，这一结果是正向的，可以视为此段文本中表达正向倾向的可能性，例如上图所示案例中的“0.905……”即可视为“我爱中传”表达正面情感的可能性在90.5%左右。

下面是官方示例，可以看出，此种分析方法并非完善，也有bad case的出现，例如“我不爱自然语言处理”被系统认为有80.4%以上的概率包含正面意思。

目前来说，SnowNLP更多应用于商品的评价，官方文档表示现在的训练数据主要是买买东西时候的评价，存在的问题还有待解决。

03

BaiduSenta的安装与使用

相比于前者，BaiduSenta的安装比较麻烦，但同样的，BaiduSenta有着更加强大和丰富的功能，不仅可以分析句子级情感，还可以分析句子中对特定对象的情感态度，抽取句子中的主要观点。适用于中英文双语。

具体的安装教程网址为：

https://github.com/baidu/Senta，但实际安装过程中会出现一些其他问题。

首先使用者必须保证python版本在3.7以上，其次，安装第一步是安装paddlepaddle，但安装paddlepaddle需要前置的CUDA、cuDNN的安装。由于安装教程较为复杂，读者可以直接阅读以下网址：http://22j.co/bSky，来进行CUDA、cuDNN的安装和环境变量配置，如果缺少CUDA工具包和cuDNN，paddlepaddle是不支持下载的。

安装完paddlepaddle之后，需要再进行pip install paddlehub，才算全部安装完全BaiduSenta，可以正常使用。

总结一下安装程序:

第一步，配置python环境，保证python版本在3.7以上。

第二步，按照教程安装CUDA工具包和cuDNN，并配置环境变量。

第三步，安装paddlepaddle和paddlehub。

第四步，安装Senta，输入python -m pip install Senta

在完成安装之后，就可以体验BaiduSenta丰富的功能了。(此外需要注意的是，如果出现下载不成功的情况，建议采用国内镜像源下载，笔者采用的是清华镜像源下载)

实战案例可以从简单讲起，首先是最简单的句子级情感分析。

这是一个完整的分析案例，读者只需要更改第五行引号里的字句即可，其他仿照案例书写，即可获得输出的分析结果，好处在于不用一个个输入，可以用逗号隔开，直接引入大量文本，同时结果比较全面，不但给出正面负面各自的可能性，还会对其中的情感关键词数量进行统计，并且得出“positive”或者“negative”的结论。

其他Senta能实现的功能还有许多，这里不一一展开，可以参考官方给的案例，按照案例代码逐行输入，只需更改文字，即可实现对文本情感、对象情感、观点抽取的统计工作。

简单来说，这两个python包各有优劣，安装简单的SnowNLP功能较为单一，且操作繁杂。安装和前置工作复杂的Senta，在安装完成之后，其实工作量要小很多，并且功能更加丰富，适用于大量文本的分析。读者可各取所需，拓展数据新闻数据统计的范围。

没看够？点击下面的链接往期佳作

白杨数说 | 我看错了？我看错了！

白杨数说 | 用数据书写时代注脚 用新闻记录社会百态

白杨数说 | 令人眼花缭乱的数据图表，你选对了吗？(三)

有任何疑问或者建议请在留言区或者公众号后台留言。

关于数据新闻业界和学界的前沿话题您还想知道些什么？数新小白杨欢迎您的留言!

期待您的关注、“在看”和转发分享。

作者 | 王宇恒