概述
1. 分析
中文的情感分析可以用词林做,词林有一大类(G类)对应心理活动,但是相对于wordnet还是太简单了.因此使用nltk+wordnet的方案,如下:
1) 中文分词:结巴分词
2) 中英文翻译:wordnet汉语开放词网,可从以下网址下载:
http://compling.hss.ntu.edu.sg/cow/
3) 情感分析:wordnet的sentiwordnet组件
4) 停用词:参考以下网页,另外加入常用标点符号
http://blog.csdn.net/u010533386/article/details/51458591
2. 代码
# encoding=utf-8
import jieba
import sys
import codecs
reload(sys)
import nltk
from nltk.corpus import wordnet as wn
from nltk.corpus import sentiwordnet as swn
sys.setdefaultencoding('utf8')
def doSeg(filename) :
f = open(filename, 'r+')
file_list = f.read()
f.close()
seg_list = jieba.cut(file_list)
stopwords = []
for word in open("./stop_words.txt", "r"):
stopwords.append(word.strip())
ll = []
for seg in seg_list :
if (seg.encode("utf-8") not in stopwords and seg != ' ' and seg != '' and seg != "n" and seg != "nn"):
ll.append(seg)
return ll
def loadWordNet():
f = codecs.open("./cow-not-full.txt", "rb", "utf-8")
known = set()
for l in f:
if l.startswith('#') or not l.strip():
continue
row = l.strip().split("t")
if len(row) == 3:
(synset, lemma, status) = row
elif len(row) == 2:
(synset, lemma) = row
status = 'Y'
else:
print "illformed line: ", l.strip()
if status in ['Y', 'O' ]:
if not (synset.strip(), lemma.strip()) in known:
known.add((synset.strip(), lemma.strip()))
return known
def findWordNet(known, key):
ll = [];
for kk in known:
if (kk[1] == key):
ll.append(kk[0])
return ll
def id2ss(ID):
return wn._synset_from_pos_and_offset(str(ID[-1:]), int(ID[:8]))
def getSenti(word):
return swn.senti_synset(word.name())
if __name__ == '__main__' :
known = loadWordNet()
words = doSeg(sys.argv[1])
n = 0
p = 0
for word in words:
ll = findWordNet(known, word)
if (len(ll) != 0):
n1 = 0.0
p1 = 0.0
for wid in ll:
desc = id2ss(wid)
swninfo = getSenti(desc)
p1 = p1 + swninfo.pos_score()
n1 = n1 + swninfo.neg_score()
if (p1 != 0.0 or n1 != 0.0):
print word, '-> n ', (n1 / len(ll)), ", p ", (p1 / len(ll))
p = p + p1 / len(ll)
n = n + n1 / len(ll)
print "n", n, ", p", p
3. 待解决的问题
1) 结巴分词与wordnet chinese中的词不能一一对应
结巴分词虽然可以导入自定义的词典,但仍有些结巴分出的词,在wordnet找不到对应词义,比如"太后","童子",还有一些组合词如"很早已前","黄山"等等.大多是名词,需要进一步"学习".
临时的解决方案是:将其当作"专有名词"处理
2) 一词多义/一义多词
无论是情感分析,还是语义分析,中文或者英文,都需要解决词和义的对应问题.
临时的解决方案是:找到该词的所有语义,取其平均的情感值.另外,结巴也可判断出词性作为进一步参考.
3) 语义问题
语义问题是最根本的问题,一方面需要分析句子的结构,另外也和内容也有关,尤其是长文章,经常会使用"先抑后扬""对比分析",这样就比较难以判断感情色彩了.
4. 参考
1) Learning lexical scales:WordNet and SentiWordNet
http://compprag.christopherpotts.net/wordnet.html
2) SentiWordNet Interface
http://www.nltk.org/howto/sentiwordnet.html
最后
以上就是霸气翅膀为你收集整理的用WordNet实现中文情感分析的全部内容,希望文章能够帮你解决用WordNet实现中文情感分析所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复