snownlp 原理_情感分析snownlp包部分核心代码理解
snownlps是用Python写的个中文情感分析的包,自带了中文正负情感的训练集,主要是评论的语料库。使用的是朴素贝叶斯原理来训练和预测数据。主要看了一下这个包的几个主要的核心代码,看的过程作了一些注释,记录一下免得以后再忘了。
1. sentiment文件夹下的__init__.py,主要是集成了前面写的几个模块的功能,进行打包。
1 #-*- coding: utf-8 -*-
2 from __future__ importunicode_literals3
4 importos5 importcodecs6
7 from .. importnormal8 from .. importseg9 from ..classification.bayes importBayes10
11 data_path = os.path.join(os.path.dirname(os.path.abspath(__file__)),12 'sentiment.marshal')13
14
15 classSentiment(object):16
17 def __init__(self):#实例化Bayes()类作为属性,下面的很多方法都是调用的Bayes()的方法完成的
18 self.classifier =Bayes()19
20 def save(self, fname, iszip=True):#保存最终的模型
21 self.classifier.save(fname, iszip)22
23 def load(self, fname=data_path, iszip=True):24 self.classifier.load(fname, iszip)#加载贝叶斯模型
25
26 #分词以及去停用词的操作
27 defhandle(self, doc):28 words = seg.seg(doc)#分词
29 words = normal.filter_stop(words)#去停用词
30 return words#返回分词后的结果,是一个list列表
31
32 deftrain(self, neg_docs, pos_docs):33 data =[]34 for sent in neg_docs:#读入负样本
35 data.append([self.handle(sent), 'neg'])36 #所以可以看出进入bayes()的训练的数据data格式是[[[第一行分词],类别],
37 #[[第二行分词], 类别],
38 #[[第n行分词],类别]
39 #]
40 for sent in pos_docs: #读入正样本
41 data.append([self.handle(sent), 'pos'])42 self.classifier.train(data) #调用的是Bayes模型的训练方法train()
43
44 defclassify(self, sent):45 ret, prob = self.classifier.classify(self.handle(sent))#得到分类结果和概率
46 if ret == 'pos':#默认返回的是pos('正面'),否则就是负面
47 returnprob48 return 1-prob49
50
51 classifier = Sentiment()#实例化Sentiment()对象
52 classifier.load()53
54
55 deftrain(neg_file, pos_file):56 #读取正负语料库文本
57 neg_docs = codecs.open(neg_file, 'r', 'utf-8').readlines()58 pos_docs = codecs.open(pos_file, 'r', 'utf-8').readlines()59 global classifier#声明classifier为全局变量,下面重新赋值,虽然值仍然是Sentiment()函数
60 classifier =Sentiment()61 classifier.train(neg_docs, pos_docs)#调用Sentment()模块里的train()方法
62
63
64 def save(fname, iszip=True):65 classifier.save(fname, iszip)66
67
68 def load(fname, iszip=True):69 classifier.load(fname, iszip)70
71
72 defclassify(sent):73 return classifier.classify(sent)
2.使用的朴素贝叶斯原理及公式变形
推荐一篇解释得很好的文章:情感分析——深入snownlp原理和实践
classification文件夹下的Bayes.py模块主要包含两个方法train(data)和classify(X),训练和预测方法
1 #训练数据集
2 #训练的数据data格式是[[['分词1','分词2','分词x'],类别],
3 #[[第二行分词], 类别],
4 #[[第n行分词],类别]
5 #]
6 def train(self, data):#训练后得到的self.d={'neg':AddOneProb,'pos':AddOneProb},AddOneProb包含重要的分词信息,他里面也有一个self.d={'分词1':v1,'分词2':v2,'分词3':v3,...}包含分词和相应的分词个数。
7
8 #遍历数据集
9 for d indata:10 #d[1]标签-->分类类别
11 c = d[1]12 #判断数据字典中是否有当前的标签
13 if c not inself.d:14 #如果没有该标签,加入标签,值是一个AddOneProb对象。其实就是为每个分词建一个AddOnePro对象来计数
15 self.d[c] =AddOneProb()16 #d[0]是评论的分词list,遍历分词list
17 for word ind[0]:18 #调用AddOneProb中的add方法,添加单词
19 self.d[c].add(word, 1)#self.d[c]是AddOneProb对象,调用AddOneProb的add()函数来对词word计数,重点看frequency.py中的几个类
20 #计算总词数
21 self.total = sum(map(lambda x: self.d[x].getsum(), self.d.keys()))#self.d[x].getsum()是调用AddOneProb对象的getsum()函数计算词
22
23 #对句子x分类,而x是被分过词的列表,(将句子分词的步骤会在Sentiment类中的分类函数classify()执行,这里不要管,只要知道x是分词后的的列表)
24 defclassify(self, x):25 tmp ={}26 #遍历每个分类标签,本案例中只有两个类别
27 for k inself.d:28 tmp[k] = log(self.d[k].getsum()) - log(self.total)#计算先验概率,即p(neg)和p(pos)两个类别的概率
29 for word inx:30 tmp[k] += log(self.d[k].freq(word))#计算后验概率,即每个类别条件下某个分词的概率p('词A'|neg)和p('词A'|pos),# 词频,词word不在字典里的话就为0
31 ret, prob =0, 032 for k in self.d:#遍历两个类
33 now = 0#预测值赋初值为0
34 try:35 for otherk in self.d:#当类相同时now=1,类不同时now累加exp(tmp[otherk]-tmp[k]),最终计算now为变形后的朴素贝叶斯预测值的分母
36 now += exp(tmp[otherk]-tmp[k])#朴素贝叶斯变形式可见博客
37 now = 1/now#求倒数为得到的这个类的预测值
38 exceptOverflowError:39 now =040 if now > prob:#比较两个类别的概率谁大,大的就是这个文本的类别。注意:初始prob等于0,经过遍历后悔更新prob并且prob等于相应类别的朴素贝叶斯概率
41 ret, prob =k, now42 return(ret, prob)43 #这里用朴素贝叶斯方法计算
注意:classify()方法中的朴素贝叶斯变形方法的编写,下面两个for循环,先是遍历两个类,比例第一个类,now表示对这个类计算的贝叶斯预测值,赋初值为0,第二个循环遍历第一个类(otherk=k),
exp(tmp[otherk]-tmp[k])=exp(0)=1,则now=1,再遍历第二个类得到上面变形公式中的第二部分值,这两个相加得到的new就是
最后再倒数就得到了
再附加一个上面的AddOneProb()方法的源代码解析,他就是一个对输入的分词计数的函数,将语料库的词进行分类计数,为了训练做得到先后验概率准备:
1 '''对词计算频数'''
2 classBaseProb(object):3
4 def __init__(self):5 self.d = {}#用来存储分词和分词的个数,键是分词,值是分词的个数
6 self.total = 0.0#计数总共的词个数
7 self.none =08
9 def exists(self, key):#判断字典self.d中是否存在这个词key
10 return key inself.d11
12 def getsum(self):#返回语self.d中存储的词的总数
13 returnself.total14
15 def get(self, key):#判断字典中是否存在这个词key,并且返回这分词的词个数
16 if notself.exists(key):17 returnFalse, self.none18 returnTrue, self.d[key]19
20 def freq(self, key):#计算词key的频率
21 return float(self.get(key)[1])/self.total22
23 def samples(self):#返回字典的键,其实就是返回所有的分词,以列表形式
24 returnself.d.keys()25
26
27 classNormalProb(BaseProb):28
29 defadd(self, key, value):30 if notself.exists(key):31 self.d[key] =032 self.d[key] +=value33 self.total +=value34
35
36 '''对词计数'''
37 class AddOneProb(BaseProb):#继承BaseProb类,所以BaseProb类中的属性和函数都能用。
38
39 def __init__(self):40 self.d ={}41 self.total = 0.0
42 self.none = 1
43
44 defadd(self, key, value):45 self.total += value#计算总词数
46 if not self.exists(key):#如果这个词key不在self.d中的话,那么在字典中加上这个词,即键为此,并且给这个词计数1,同时总的词数量total加1.
47 self.d[key] = 1
48 self.total += 1#感觉不应该再加1了,上面都已经计算过总数了????说是后面预测要用到,可能是要平滑
49 self.d[key] += value#如果字典已经有这个词了的话,那么给这个词数量加1
对于局进行分词的方法Handle()感觉也很重要,也需要看一看。
再码个帖子:snownlp情感分析源码解析,snownlp的Github代码
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
snownlp 原理_情感分析snownlp包部分核心代码理解相关推荐
- linux源码acl,Linux自主访问控制机制模块详细分析之posix_acl.c核心代码注释与acl.c文件介绍...
原标题:Linux自主访问控制机制模块详细分析之posix_acl.c核心代码注释与acl.c文件介绍 2.4.4.6 核心代码注释 1 posix_acl_permission() int(stru ...
- 中文文本情感分析-python包SnowNLP入门
目录 1.情感分析是什么? 2.情感分析有什么用? 3.情感分析实战-SnowNLP SnowNLP官方参考资料: SnowNLP两个坑: 自己用snownlp训练模型: 1.情感分析是什么? 极性: ...
- 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 ...
- snownlp 中文文本情感分析、相似度计算、分词等
snownlp 官网:https://pypi.org/project/snownlp/ SnowNLP是一个python写的类库,可以方便的处理中文文本内容,是受到了[TextBlob](https ...
- python情感分析语料库_python 中文情感分析 Snownlp库的使用
不甘心的时候,就是在进步:痛苦的时候,就是在成长. 文章目录 一.Snownlp 简介 SnowNLP是一个python写的类库,可以方便的处理中文文本内容,是受到了TextBlob的启发而写的,由于 ...
- Python:snownlp中文文本情感分析
hello,大家好,我是wangzirui32,今天来教大家如何使用snownlp的中文文本情感分析功能,开始学习吧! 1. pip 安装 命令: pip install snownlp -i htt ...
- 网易云音乐“王牌冤家”用户评论:评论爬虫及情感分析(SnowNLP)
李荣浩上周发的<耳朵>专辑,你萌听了吗?小编真的超级喜欢"王牌冤家"这首歌,在新说唱听了李老师的那几句就一直念念不忘,这一周可是一直单曲循环中.恰好前两天看了SnowN ...
- snownlp学习-微博情感分析
学习链接: https://github.com/isnowfy/snownlp from snownlp import SnowNLPs = SnowNLP(u'这个东西真心很赞')s.words ...
- snownlp中文文本情感分析详细教程
hello,大家好,我是wangzirui32,今天来教大家如何使用snownlp的中文文本情感分析功能,开始学习吧! 1. pip 安装 命令: pip install snownlp -i htt ...
- 情感分析-SnowNLP
SnowNLP库介绍 SnowNLP是一个python写的类库,可以方便的处理中文文本内容,是受到了TextBlob的启发而写的,由于现在大部分的自然语言处理库基本都是针对英文的,于是写了一个方便处理 ...
最新文章
- python递归算法 电影院票价问题_算法课堂实验报告(二)——python递归和分治(第k小的数,大数乘法问题)...
- core data firing fault
- 常见服务器解析漏洞(IIS,Nginx,Apache)
- 键值存储之外,Redis还有这些用法
- ios7 导航栏 手势 右划 自动返回 相关
- 深入理解SpringBoot(1)
- Golang使用心得
- python mainloop作用_Tkinter中的mainloop应该如何理解?
- C#实现在图片上斜着写字
- 玩转CODESYS 入门篇(一)-- 认识CODESYS
- CNN结构:色温-冷暖色的定义和领域区分(一)
- 路由器服务器已停止响应,排除路由器挂起故障
- 小猪短租网requests库使用
- mysql多条语句union_Mysql同时执行多个select语句——union
- 数据结构--AVL树(全)
- 病例演讲比赛PPT模板
- PHP万能小偷程序源码
- 英文字符和数字间隔突然变大
- asp.net976-校园论坛系统的设计与实现#毕业设计
- 一行代码实现IOS 3DES加密解密
热门文章
- 酒店的月收入报表java_统计报表_宾馆明细收入报表
- matlab潮流计算编程教学,潮流计算 程序_牛拉法潮流计算程序_matlab潮流计算教程...
- 宋体(Simsun)和新宋体(NSimsun)的区别
- js vue 截取分割字符串数据
- 第一行代码 第二版pdf及源码(分享)
- 极限编程(XP)简介
- stm8单片机程序加密方法 id加密技巧
- 如何在网上买到下铺票2020_网上订票怎么选下铺
- python画正切函数_Python
- 三种刷写LEDE等软路由固件的方法