Python-感情分析

セマンティック分析は、聴衆の一般的な意見を分析することです。それは、ニュース、映画、または議論中の問題についてのツイートに対する反応かもしれません。一般に、そのような反応はソーシャルメディアから取得され、NLPを介して分析されるファイルにまとめられます。最初にポジティブワードとネガティブワードを定義する簡単なケースを取り上げます。次に、それらの単語を使用して文の一部としてそれらの単語を分析するアプローチを取ります。nltkのsentiment_analyzerモジュールを使用します。最初に1つの単語を使用して分析を実行し、次にバイグラムとも呼ばれるペアの単語を使用して分析を実行します。最後に、で定義されているように、否定的な感情で単語をマークしますmark_negation 関数。

import nltk
import nltk.sentiment.sentiment_analyzer 
# Analysing for single words
def OneWord(): 
	positive_words = ['good', 'progress', 'luck']
   	text = 'Hard Work brings progress and good luck.'.split()                 
	analysis = nltk.sentiment.util.extract_unigram_feats(text, positive_words) 
	print(' ** Sentiment with one word **\n')
	print(analysis) 
# Analysing for a pair of words	
def WithBigrams(): 
	word_sets = [('Regular', 'fit'), ('fit', 'fine')] 
	text = 'Regular excercise makes you fit and fine'.split() 
	analysis = nltk.sentiment.util.extract_bigram_feats(text, word_sets) 
	print('\n*** Sentiment with bigrams ***\n') 
	print analysis
# Analysing the negation words. 
def NegativeWord():
	text = 'Lack of good health can not bring success to students'.split() 
	analysis = nltk.sentiment.util.mark_negation(text) 
	print('\n**Sentiment with Negative words**\n')
	print(analysis) 
    
OneWord()
WithBigrams() 
NegativeWord()

上記のプログラムを実行すると、次の出力が得られます-

** Sentiment with one word **
{'contains(luck)': False, 'contains(good)': True, 'contains(progress)': True}
*** Sentiment with bigrams ***
{'contains(fit - fine)': False, 'contains(Regular - fit)': False}
**Sentiment with Negative words**
['Lack', 'of', 'good', 'health', 'can', 'not', 'bring_NEG', 'success_NEG', 'to_NEG', 'students_NEG']