谭松波酒店评价情感分析代码以及数据集获取

本文主要是介绍谭松波酒店评价情感分析代码以及数据集获取，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一：谭松波酒店评价是本地就有的，读者也可以自己爬取微博数据或其他的数据集也可以

链接：https://pan.baidu.com/s/1TrumHVMk-Kc4PJz8INMYbg 
提取码：xsa7

其中有一个是积极评价，消极评价。以及一个停用词

二：对评价进行情感分析，本文中做的工作是将预料划分为积极和消极两种情感，目前使用的是SVM模型进行训练，但是该模型训练效果较差，后期会改用其他模型

达到准确率为76%
其中正向95%左右
负面55%左右（由于使用的数据集是不对称数据集，负面语料较少）

import jieba
import numpy as np
import pandas as pd
import os.path
from gensim.models.word2vec import Word2Vec
import glob
import joblib
from sklearn.model_selection import cross_val_score
from sklearn.svm import SVC
tol_num=0
right=0
all_pos_files=glob.glob(os.path.join("pos.txt"))//这三个地址记得改成你的地址
all_pos_files=glob.glob(os.path.join("pos.txt"))//
all_neg_files=glob.glob(os.path.join("neg.txt"))//
stopLists_path="stoplist.txt"
stopwords=[]
with open(stopLists_path,'r',encoding='utf-8') as f_stop:
    for line in f_stop:
        if len(line)>0:
            stopwords.append(line.strip)
def split_stopwords(words,stoplist):
    word_list=[]
    for word in words:
        if (word.strip() not in stoplist):
            word_list.append(word.strip())
    return word_list
#读取文本，预处理
neg=pd.read_csv('neg.txt',sep='\n',header=None)
pos=pd.read_csv('pos.txt',sep='\n',header=None)
neg['words']=neg[0].apply(lambda x: jieba.lcut(str(x).lstrip('-1    '))) #将函数应用到所有数据
pos['words']=pos[0].apply(lambda x: jieba.lcut(str(x).lstrip('-1    ')))

pos_true=[]
neg_true=[]
for words in pos.words:
    pos_true.append(split_stopwords(words,stopwords))
for words in neg.words:
    neg_true.append(split_stopwords(words,stopwords))

x=np.concatenate((pos_true,neg_true)) #合并训练集
y=np.concatenate((np.ones(len(pos_true)),np.zeros(len(neg_true))))    #标志，1 pos ，0 neg

if (os.path.exists("word_embedding")):
    w2v=Word2Vec.load("word_embedding")
else:
    w2v=Word2Vec(vector_size=300,min_count=10)
    w2v.build_vocab(x)
    w2v.train(x,total_examples=w2v.corpus_count,epochs=w2v.epochs)
    w2v.save("word_embedding")

def total_vec(words):
    vec = np.zeros(300).reshape((1,300)) #初始化数组
    for word in words:
        try:
            vec += w2v.wv[word].reshape((1,300))
        except KeyError:
            continue
    return vec

train_vec = np.concatenate([total_vec(words) for words in x]) #计算每一句话向量

def predict(s,stopList):
    s_words=jieba.lcut(s)
    s_words=split_stopwords(s_words,stopList)
    s_words_vec=total_vec(s_words)
    result =model.predict(s_words_vec)
    if int(result[0])==1:
        print(s,'[积极]')
    else:
        print(s,'[消极]')
    return result

#SVMpart

if (os.path.exists("SVC_model_Emotion.m")):
    model=joblib.load("SVC_model_Emotion.m")
else:
    model = SVC(kernel = 'rbf', verbose=True)
    model.fit(train_vec,y)
    joblib.dump(model,"SVC_model_Emotion.m")

for file in all_pos_files:
    try:
        f=open(file,'r',encoding='utf-8')
        test=f.read().strip()
        if (predict(test,stopwords) == 1):
            right += 1
        tol_num+=1
    except UnicodeDecodeError:
        continue
pos_right=right
pos_tol=tol_num

for file in all_neg_files:
    try:
        f=open(file,'r',encoding='utf-8')
        test=f.read().strip()
        if (predict(test,stopwords)==0):
            right+=1
        tol_num+=1
    except UnicodeDecodeError:
       continue
neg_right=right-pos_right
neg_tol=tol_num-pos_tol
print("pos数据正确率为"+str(pos_right/pos_tol)+"总数据量为"+str(pos_tol)+"正确量为"+str(pos_right))
print("neg数据正确率为"+str(neg_right/neg_tol)+"总数据量为"+str(neg_tol)+"正确量为"+str(neg_right))
print("正确率为"+str(right/tol_num))

代码中的评价文件的地址记得修改不然会报错，以及记得要下载库和导库（或者把评价文件和停用词文件直接拖到和你py文件同一个目录下就不用改了）

 附一些运行成功的图片

 ：：侵删

 ：：侵删

 ：：侵删

这篇关于谭松波酒店评价情感分析代码以及数据集获取的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！