vaderSentiment实现文本情感分析

Posted ybdesire

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了vaderSentiment实现文本情感分析相关的知识,希望对你有一定的参考价值。

1. 引入

做文本情感分析(sentiment analysis),一般是需要自己标注数据,做特征工程,再训练模型,这样成本就很高。
当我们拿到一段文本,没有标注,也没有训练模型,有没有可能直接调用一个库来输出情感分析结果呢?

2. vaderSentiment介绍

vaderSentiment(参考1)是一个基于词典和规则的情感分析工具,作者专门对社交媒体信息做过调优,并在2014年发表过一篇文章(参考2),目前文章的引用量已经高达2680了(截止到20211105)。

vaderSentiment目前只支持英文,他的词典(参考3)中有7000多个词。

因为是基于词典和规则的分类器,所以并不需要特征工程、训练模型等步骤。而且作者再文章(参考2)中对多个数据集对比过SVM等分类器的结果,vaderSentiment表现还是很不错的。再加上目前github上对其关注量很大,所以给了我们比较高的信心直接拿来用。

除了支持python,vaderSentiment也支持Java, JS, C#等其他编程语言。

3. vaderSentiment使用

vaderSentiment这种基于词典和规则的原理,保证了他的运行速度很快,使用起来也很方便,只需要如下简单几行代码,就能得出结果。

from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer
analyzer = SentimentIntensityAnalyzer()
vs = analyzer.polarity_scores('I like you')
print("0:1".format(sentence, str(vs)))
# Not bad at all:'neg': 0.0, 'neu': 0.444, 'pos': 0.556, 'compound': 0.3612

结果中,有4个label

  • neg: 表示消极情绪
  • neu: 表示中性情绪(就是没有情绪)
  • pos: 表示积极情绪
  • compound: 取值为-1到+1,-1表示最消极,+1表示最积极

如果只想用一个值来表示情绪,就用compound。

  • 积极情绪:compound >= 0.05
  • 中立情绪:(compound > -0.05) and (compound < 0.05)
  • 消极情绪:compound <= -0.05

目前vaderSentiment也支持emoji符号了,更多案例见参考4.

4. 总结

使用vaderSentiment,三行代码就能实现情感分析!

5. 参考

  1. project. https://github.com/cjhutto/vaderSentiment
  2. paper, http://comp.social.gatech.edu/papers/icwsm14.vader.hutto.pdf
  3. lexicon, https://github.com/cjhutto/vaderSentiment/blob/master/vaderSentiment/vader_lexicon.txt
  4. example, https://github.com/cjhutto/vaderSentiment#code-examples

以上是关于vaderSentiment实现文本情感分析的主要内容,如果未能解决你的问题,请参考以下文章

iDST-文本挖掘算法专家-情感分析&文本反垃圾-杭州

用python实现简单的文本情感分析

基于LSTM的文本情感分析(Keras版)

基于LSTM的文本情感分析(Keras版)

snownlp情感分析源码解析

项目1:pytorch实现文本情感分析详细教程-准确度高达82%-98%