九、（1）情感分类——基于词典。评论。

————数据集留言邮箱发送

# -*- coding: utf-8 -*-
"""
Created on Thu Jun 13 23:32:14 2019@author: sun
"""
import jieba
import numpy as np#打开词典文件，返回列表，词典文件就是包含否定词，positive，negtive，程度级别词语的文件夹
def open_dict(Dict = 'hahah', path=r'C:\Users\sun\Desktop\Textming\Textming/'):path = path + '%s.txt' % Dictdictionary = open(path, 'r', encoding='utf-8')dict = []for word in dictionary:word = word.strip('\n')dict.append(word)return dictdef judgeodd(num):if (num % 2) == 0:return 'even'else:return 'odd'#注意，这里你要修改path路径。
deny_word = open_dict(Dict = '否定词')
posdict = open_dict(Dict = 'positive')
negdict = open_dict(Dict = 'negative')degree_word = open_dict(Dict = '程度级别词语')
mostdict = degree_word[degree_word.index('extreme')+1 : degree_word.index('very')]#权重4，即在情感词前乘以4
verydict = degree_word[degree_word.index('very')+1 : degree_word.index('more')]#权重3
moredict = degree_word[degree_word.index('more')+1 :

九、（1）情感分类——基于词典。评论。相关推荐

改良的用于情感分类的餐馆评论数据集
改良的用于情感分类的餐馆评论数据集原数据说明字段说明数据集改良 1.只保留 rating列和comment列 2.数据集去重去空 3.按照rating大小二分类 4.均衡正负向评论原数据说明 ...
商品评论情感分析——基于商品评论建立的产品综合评价模型（1）
商品评论情感分析--基于用户评论建立的产品综合评价模型(1) 1.背景 1.1问题分析 2.数据预处理 2.1删除无关数据 2.2文本去重 3.情感分析 4.LDA主题模型 4.1评论文本分词 4.2 ...
情感分析基于词典（算例代码）
基于词典的情感分析情感分析是指挖掘文本表达的观点,识别主体对某客体的评价是褒还是贬,褒贬根据进态度行倾向性研究.文本情感分析可以分为基于机器学习的情感分类方法和基于语义理解的情感分析.基于机器学习进 ...
python 多分类情感词典_基于情感词典的文本情感分类
基于情感词典的文本情感分类传统的基于情感词典的文本情感分类,是对人的记忆和判断思维的最简单的模拟,如上图.我们首先通过学习来记忆一些基本词汇,如否定词语有"不",积极词语有&qu ...
python 多分类情感_文本情感分类（一）：传统模型
前言:四五月份的时候,我参加了两个数据挖掘相关的竞赛,分别是物电学院举办的"亮剑杯",以及第三届 "泰迪杯"全国大学生数据挖掘竞赛.很碰巧的是,两个比赛中,都有 ...
基于Java的亚马逊“手机”评论爬虫的情感分类分析
本项目主要内容说明首先从亚马逊中文网站爬取了关于"手机"的评论,然后对其进行情感分类.使用用户标记的星级作为情感类别,将这些评论分为了3类(与星级对应关系为1-{1,2},2-{ ...
基于朴素贝叶斯和逻辑回归中文外卖评论情感分类
数据集介绍数据集来源本文用到的数据集是来自爱数科(http://www.idatascience.cn/)的中文外卖评论数据集.该数据集包含大约12000条中文外卖评论及对应的情感标签,因此我们将 ...
基于Pytorch的LSTM实战160万条评论情感分类
数据以及代码的github地址说明:训练速度使用cpu会很慢 # 目标:情感分类 # 数据集 Sentiment140, Twitter上的内容包含160万条记录,0 : 负面, 2 : 中 ...
情感分析之电影评论分析-基于Tensorflow的LSTM
1. 深度学习在自然语言处理中的应用自然语言处理是教会机器如何去处理或者读懂人类语言的系统,目前比较热门的方向,包括如下几类: 对话系统 - 比较著名的案例有:Siri,Alexa 和 Cortan ...

九、（1）情感分类——基于词典。评论。

九、（1）情感分类——基于词典。评论。

————数据集留言邮箱发送

九、（1）情感分类——基于词典。评论。相关推荐

最新文章

热门文章