百度API情感分析

01 前言

情感分析是NLP的重要部分躺率,之前我們使用過Python第三方庫SnowNLP進行情感分析,也訓練過樸素貝葉斯模型來更好的符合我們的數(shù)據(jù)悠砚,進行更精確的情感分析士嚎,具體可以參考這篇文章凹嘲。

https://mp.weixin.qq.com/s/wfa1PMIKH_wwN8uL7m4rdg

今天师倔,我們使用百度的API,來進行情感分析周蹭。

02 百度API調(diào)用

百度情感分析的地址見下趋艘,我們點擊立即使用就可以了(登陸賬號)。

http://ai.baidu.com/tech/nlp/sentiment_classify

接著我們創(chuàng)建應(yīng)用凶朗。

通過下面的網(wǎng)址瓷胧,查看文檔,跟著文檔來做就好了棚愤。

https://ai.baidu.com/docs#/NLP-Apply-API/955c17f6

① 獲取token
通過下面代碼獲取token搓萧,用于調(diào)用情感分析API的參數(shù)。

import requests

ak = ''
sk = ''

host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(ak,sk)

res = requests.post(host)
print(res.text)

② 小案例
通過下面的代碼遇八,就能對文本進行情感分析了。

import json

url = 'https://aip.baidubce.com/rpc/2.0/nlp/v1/sentiment_classify?charset=UTF-8&access_token={}'.format(token)

data = {
    'text':'這個手機不好用'
}

data = json.dumps(data)

res = requests.post(url,data=data)
print(res.text)

需要注意的是耍休,token是之前代碼生成的刃永,這里的data用了json.dumps方法,是為了將字典轉(zhuǎn)為字符串(API的要求)羊精。

03 許嵩歌詞情感分析

上次我們通過爬蟲斯够,獲取了許嵩的歌詞,我們這就用API來看看許嵩歌詞的情感喧锦。

import os
import pandas as pd
name = []
positive = []
path = 'song/'
all_paths = os.listdir(path)
for all_path in all_paths:
    try:
        content = open(path+all_path,'r',encoding='utf-8').read()
        data = {
            'text':content
        }
        data = json.dumps(data)

        res = requests.post(url,data=data)
        json_data = json.loads(res.text)

        
        positive.append(json_data['items'][0]['positive_prob'])
        name.append(all_path.strip('.txt'))
    except:
        pass
    
df = pd.DataFrame({
    'name':name,
    'positive':positive
})

最悲傷的歌:

等到煙火清涼  0.004273
奇談  0.008890
星座書上    0.012526
白馬非馬    0.014861
獨坐  0.016436

大家有熟悉的歌么~

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末读规,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子燃少,更是在濱河造成了極大的恐慌束亏,老刑警劉巖,帶你破解...
    沈念sama閱讀 212,454評論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件阵具,死亡現(xiàn)場離奇詭異碍遍,居然都是意外死亡,警方通過查閱死者的電腦和手機阳液,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,553評論 3 385
  • 文/潘曉璐 我一進店門怕敬,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人帘皿,你說我怎么就攤上這事东跪。” “怎么了?”我有些...
    開封第一講書人閱讀 157,921評論 0 348
  • 文/不壞的土叔 我叫張陵虽填,是天一觀的道長丁恭。 經(jīng)常有香客問我,道長卤唉,這世上最難降的妖魔是什么涩惑? 我笑而不...
    開封第一講書人閱讀 56,648評論 1 284
  • 正文 為了忘掉前任,我火速辦了婚禮桑驱,結(jié)果婚禮上竭恬,老公的妹妹穿的比我還像新娘。我一直安慰自己熬的,他們只是感情好痊硕,可當我...
    茶點故事閱讀 65,770評論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著押框,像睡著了一般岔绸。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上橡伞,一...
    開封第一講書人閱讀 49,950評論 1 291
  • 那天盒揉,我揣著相機與錄音,去河邊找鬼兑徘。 笑死刚盈,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的挂脑。 我是一名探鬼主播藕漱,決...
    沈念sama閱讀 39,090評論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼崭闲!你這毒婦竟也來了肋联?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,817評論 0 268
  • 序言:老撾萬榮一對情侶失蹤刁俭,失蹤者是張志新(化名)和其女友劉穎橄仍,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體牍戚,經(jīng)...
    沈念sama閱讀 44,275評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡沙兰,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,592評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了翘魄。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片鼎天。...
    茶點故事閱讀 38,724評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖暑竟,靈堂內(nèi)的尸體忽然破棺而出斋射,到底是詐尸還是另有隱情育勺,我是刑警寧澤,帶...
    沈念sama閱讀 34,409評論 4 333
  • 正文 年R本政府宣布罗岖,位于F島的核電站涧至,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏桑包。R本人自食惡果不足惜南蓬,卻給世界環(huán)境...
    茶點故事閱讀 40,052評論 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望哑了。 院中可真熱鬧赘方,春花似錦、人聲如沸弱左。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,815評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽拆火。三九已至跳夭,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間们镜,已是汗流浹背币叹。 一陣腳步聲響...
    開封第一講書人閱讀 32,043評論 1 266
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留模狭,地道東北人颈抚。 一個月前我還...
    沈念sama閱讀 46,503評論 2 361
  • 正文 我出身青樓,卻偏偏與公主長得像胞皱,于是被迫代替她去往敵國和親邪意。 傳聞我的和親對象是個殘疾皇子九妈,可洞房花燭夜當晚...
    茶點故事閱讀 43,627評論 2 350

推薦閱讀更多精彩內(nèi)容

  • 去年有段時間得空反砌,就把谷歌GAE的API權(quán)威指南看了一遍,收獲頗豐萌朱,特別是在自己幾乎獨立開發(fā)了公司的云數(shù)據(jù)中心之后...
    騎單車的勛爵閱讀 20,480評論 0 41
  • iOS網(wǎng)絡(luò)架構(gòu)討論梳理整理中宴树。。晶疼。 其實如果沒有APIManager這一層是沒法使用delegate的酒贬,畢竟多個單...
    yhtang閱讀 5,174評論 1 23
  • 好久沒睡懶覺,笑笑昨晚在奶奶家住下到9點多才起床翠霍。在姥姥家接了老二去奶奶家又接上老大跟奶奶送到樓上已經(jīng)10...
    大牛拉小車閱讀 147評論 0 0
  • “兩個輪子載動的是身體锭吨,四個輪子載動的是靈魂”能說出這句話的人肯定擁有著最有趣的靈魂。 ...
    糖糖的唐閱讀 79評論 0 0
  • 這種愛情讓人窒息寒匙,明明想著和她好好過零如,也定下兩年之約,卻有那么一絲不對考蕾。果然大四都是分手季嗎祸憋,如此的挽留是不是味道...
    火車上的昵稱閱讀 276評論 0 0