一、cnsenti

中文情感分析库(Chinese Sentiment))可对文本进行情绪分析、正负情感分析。对了,强调一下,这是大邓出品的python第三方包^_^,大家可以通过pip实现安装。

特性

  • 情感分析默认使用的知网Hownet

  • 情感分析可支持导入自定义txt情感词典(pos和neg)

  • 情绪分析使用大连理工大学情感本体库,可以计算文本中的七大情绪词分布

二、安装

方法一
由于pip默认从pypi站点下载cnsenti安装包,速度会比较慢,这样容易出现安装失败,多试几次即可。


pip install cnsenti

方法二
更改到国内镜像,可以加速下载安装。由于是新上传的库,可能短时间内国内镜像没有收录,等一两天即可。


pip install cnsenti 
-
i https
:
//pypi.tuna.tsinghua.edu.cn/simple/

三、快速上手

中文文本情感词正负情感词统计


from
 cnsenti 
import

Sentiment

senti 
=

Sentiment
()

test_text
=

'我好开心啊,非常非常非常高兴!今天我得了一百分,我很兴奋开心,愉快,开心'

result 
=
 senti
.
sentiment_count
(
test_text
)

print
(
result
)

Run

{
'words'
:

24
,

'sentences'
:

2
,

'pos'
:

4
,

'neg'
:

0
}

中文文本情绪统计


from
 cnsenti 
import

Emotion

emotion 
=

Emotion
()

test_text 
=

'我好开心啊,非常非常非常高兴!今天我得了一百分,我很兴奋开心,愉快,开心'

result 
=
 emotion
.
emotion_count
(
test_text
)

print
(
result
)

Run


{
'words'
:

22
,

'sentences'
:

2
,

'好'
:

0
,

'乐'
:

4
,

'哀'
:

0
,

'怒'
:

0
,

'惧'
:

0
,

'恶'
:

0
,

'惊'
:

0
}

四、文档

cnsenti包括Emotion和Sentiment两大类,其中

  • Emotion 情绪计算类,包括emotion_count(text)方法

  • Sentiment 正负情感计算类,包括sentimentcount(text)和sentimentcalculate(text)两种方法

4.1 emotion_count(text)
emotion_count(text)y用于统计文本中各种情绪形容词出现的词语数。使用大连理工大学情感本体库词典,支持七种情绪统计(好、乐、哀、怒、惧、恶、惊)。


from
 cnsenti 
import

Emotion

emotion 
=

Emotion
()

test_text 
=

'我好开心啊,非常非常非常高兴!今天我得了一百分,我很兴奋开心,愉快,开心'

result 
=
 emotion
.
emotion_count
(
test_text
)

print
(
result
)

返回


{
'words'
:

22
,

'sentences'
:

2
,

'好'
:

0
,

'乐'
:

4
,

'哀'
:

0
,

'怒'
:

0
,

'惧'
:

0
,

'恶'
:

0
,

'惊'
:

0
}

其中

  • words 中文文本的词语数

  • sentences 中文文本的句子数

  • 好、乐、哀、怒、惧、恶、惊 text中各自情绪出现的词语数

4.2 sentiment_count(text)
隶属于Sentiment类,可对文本text中的正、负面词进行统计。默认使用Hownet词典,后面会讲到如何导入自定义正、负情感txt词典文件。这里以默认hownet词典进行统计。


from
 cnsenti 
import

Sentiment

senti 
=

Sentiment
()

test_text 
=

'我好开心啊,非常非常非常高兴!今天我得了一百分,我很兴奋开心,愉快,开心'

result 
=
 senti
.
sentiment_count
(
test_text
)

print
(
result
)

Run


{
'words'
:

24
,

'sentences'
:

2
,

'pos'
:

4
,

'neg'
:

0
}

其中

  • words 文本中词语数

  • sentences 文本中句子数

  • pos 文本中正面词总个数

  • neg 文本中负面词总个数

4.3 sentiment_calculate(text)
隶属于Sentiment类,可更加精准的计算文本的情感信息。相比于sentimentcount只统计文本正负情感词个数,sentimentcalculate还考虑了

  • 情感词前是否有强度副词的修饰作用

  • 情感词前是否有否定词的情感语义反转作用

比如

from
 cnsenti 
import

Sentiment

senti 
=

Sentiment
()

test_text 
=

'我好开心啊,非常非常非常高兴!今天我得了一百分,我很兴奋开心,愉快,开心'

result1 
=
 senti
.
sentiment_count
(
test_text
)

result2 
=
 senti
.
sentiment_calculate
(
test_text
)

print
(
'sentiment_count'
,
result1
)

print
(
'sentiment_calculate'
,
result2
)

Run


sentiment_count

{
'words'
:

22
,

'sentences'
:

2
,

'pos'
:

4
,

'neg'
:

0
}

sentiment_calculate

{
'sentences'
:

2
,

'words'
:

22
,

'pos'
:

27.0
,

'neg'
:

0.0
}

4.4 自定义词典
cnsenti中只有Sentiment类支持正负情感词典自定义,自定义词典需要满足

  • 必须为txt文件

  • 原则上建议encoding为utf-8

  • txt文件每行只有一个词

这部分我放到test文件夹内,代码和自定义词典均在test内,所以我使用相对路径设定自定义词典的路径


|
test

|---代码.
py

|---正面词自定义.
txt

|---负面词自定义.
txt

代码.py文件内


from
 cnsenti 
import

Sentiment

senti 
=

Sentiment
(
pos
=
'正面词自定义.txt'
,

#正面词典txt文件相对路径

                  neg
=
'负面词自定义.txt'
,

#负面词典txt文件相对路径

                  encoding
=
'utf-8'
)

#两txt均为utf-8编码

经过上面的设置就可以使用自定义词典。

补充:

我设计的这个库目前仅能支持两类型pos和neg,如果你的研究问题是两分类问题,如好坏、美丑、善恶、正邪、友好敌对,你就可以定义两个txt文件,分别赋值给pos和neg,就可以使用cnsenti库。

五、关于词典

目前比较有可解释性的文本分析方法是词典法,算法逻辑都很清晰。词典的好坏决定了情感分析的好坏。如果没有词典,也就限制了你进行文本情感计算。

目前大多数人使用的是形容词情感词典,如大连理工大学情感本体库和知网Hownet,优点是直接拿来用,缺点也很明显,对于很多带情感却无形容词的文本无能为力。如这手机很耐摔, 使用形容词情感词典计算得分pos和neg均为0。类似问题在不同研究对象的文本数据应该都是挺普遍的,所以人工构建情感词典还是很有必要的。

我封装了刘焕勇基于so_pmi算法的新词发现代码,将该库其命名为wordexpansion。wordexpansion可以极大的提高提高自定义词典的构建速度,感兴趣的童鞋详情可以访问wordexpansion项目地址

如果

如果您是经管人文社科专业背景,编程小白,面临海量文本数据采集和处理分析艰巨任务,个人建议学习《python网络爬虫与文本数据分析》视频课。作为文科生,一样也是从两眼一抹黑开始,这门课程是用五年时间凝缩出来的。自认为讲的很通俗易懂o( ̄︶ ̄)o,

  • python入门

  • 网络爬虫

  • 数据读取

  • 文本分析入门

  • 机器学习与文本分析

  • 文本分析在经管研究中的应用

感兴趣的童鞋不妨 戳一下《python网络爬虫与文本数据分析》进来看看~