利用情感词典及K-NN、贝叶斯、最大熵和SVM进行情感倾向分析
5星
- 浏览量: 0
- 大小:None
- 文件类型：7Z
简介：
本研究运用多种机器学习算法（包括K-NN、贝叶斯、最大熵和SVM）结合情感词典，对文本数据进行深入的情感倾向性分析。
基于情感词典的情感极性分析
对应文件：classifier.py DictClassifier
使用1：analyse_sentence
函数功能是对单个句子进行情感极性分析。
参数：
- sentence: 待分析的句子；
- runout_filepath（可选）: 如果指定了此参数，将把分析结果写入该文件；
- print_show（默认为False）: 若设置为True，则会在控制台输出分析结果。
示例代码如下：
```python
d = DictClassifier()
a_sentence = 剁椒鸡蛋好咸,土豆丝很好吃
result = d.analyse_sentence(a_sentence)
print(result)
```
使用2：analysis_file
函数功能是对文件中的句子进行情感极性分析并输出到指定的文件。
参数：
- filepath_in: 待分析的句子文件；
- filepath_out: 分析结果输出文件；
- 编码（默认为utf-8）: 指定输入和输出文件使用的字符编码格式；
- print_show（默认为False）：若设置为True，则会在控制台打印每条记录的处理过程。
- start（默认为0）: 起始行号，从第几行开始读取数据，默认值表示从第一行开始
- end（默认为-1）: 结束行号，到哪一行结束读取数据，默认值代表读取文件的所有内容。
示例代码如下：
```python
d = DictClassifier()
result = d.analysis_file(input.txt, output.txt)
```
以上方法可用于进行基于情感词典的情感分析。
全部评论 (0)
