現(xiàn)如今各種APP、微信訂閱號、微博、購物網(wǎng)站等網(wǎng)站都允許用戶發(fā)表一些個人看法、意見、態(tài)度、評價、立場等信息。針對這些數(shù)據(jù)，我們可以利用情感分析技術對其進行分析，總結出大量的有價值信息。例如對商品評論的分析，可以了解用戶對商品的滿意度，進而改進產(chǎn)品；通過對一個人分布內容的分析，了解他的情緒變化，哪種情緒多，哪種情緒少，進而分析他的性格。怎樣知道哪些評論是正面的，哪些評論是負面的呢？正面評價的概率是多少呢？

利用python的第三方模塊SnowNLP可以實現(xiàn)對評論內容的情感分析預測，SnowNLP可以方便的處理中文文本內容，如中文分詞、詞性標注、情感分析、文本分類、提取文本關鍵詞、文本相似度計算等。大概大于等于0.5，可以判斷為正面評價——積極情感，小于0.5，可以判斷為負面評價——消極情感。

下面分析一組京東上某產(chǎn)品的評論數(shù)據(jù)并生成折線圖：

部分源數(shù)據(jù)：

實現(xiàn)過程：

#加載情感分析模塊from snownlp import SnowNLP#from snownlp import sentimentimport pandas as pdimport matplotlib.pyplot as plt#導入樣例數(shù)據(jù)aa =’F:python入門python編程錦囊Code（實例源碼及使用說明）Code（實例源碼及使用說明）Code（實例源碼及使用說明）09data京東評論.xls’#讀取文本數(shù)據(jù)df=pd.read_excel(aa)#提取所有數(shù)據(jù)df1=df.iloc[:,3]print(’將提取的數(shù)據(jù)打印出來：n’,df1)#遍歷每條評論進行預測values=[SnowNLP(i).sentiments for i in df1]#輸出積極的概率，大于0.5積極的，小于0.5消極的#myval保存預測值myval=[]good=0bad=0for i in values: if (i>=0.5): myval.append('正面') good=good+1 else: myval.append('負面') bad=bad+1df[’預測值’]=valuesdf[’評價類別’]=myval#將結果輸出到Exceldf.to_excel(’F:python入門python編程錦囊Code（實例源碼及使用說明）Code（實例源碼及使用說明）Code（實例源碼及使用說明）09dataresult2.xls’)rate=good/(good+bad)print(’好評率’,’%.f%%’ % (rate * 100)) #格式化為百分比#作圖y=valuesplt.rc(’font’, family=’SimHei’, size=10)plt.plot(y, marker=’o’, mec=’r’, mfc=’w’,label=u’評價分值’)plt.xlabel(’用戶’)plt.ylabel(’評價分值’)# 讓圖例生效plt.legend()#添加標題plt.title(’京東評論情感分析’,family=’SimHei’,size=14,color=’blue’)plt.show()

Excel結果：

作圖的結果：

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持好吧啦網(wǎng)。