注：本文轉(zhuǎn)載自知乎專欄

原文鏈接：https://zhuanlan.zhihu.com/p/23225934

情感分析就是分析一句話說(shuō)得是很主觀還是客觀描述赴邻，分析這句話表達(dá)的是積極的情緒還是消極的情緒。

原理

比如這么一句話：“這手機(jī)的畫面極好奸焙，操作也比較流暢彤敛。不過(guò)拍照真的太爛了！系統(tǒng)也不好玄糟“乐龋”

① 情感詞

要分析一句話是積極的還是消極的逢并，最簡(jiǎn)單最基礎(chǔ)的方法就是找出句子里面的情感詞砍聊，積極的情感詞比如：贊贰军，好，順手灶伊，華麗等寒跳，消極情感詞比如：差童太，爛胸完，壞，坑爹等爆惧。出現(xiàn)一個(gè)積極詞就+1锨能，出現(xiàn)一個(gè)消極詞就-1。
里面就有“好”熄阻，“流暢”兩個(gè)積極情感詞倔约，“爛”一個(gè)消極情感詞浸剩。那它的情感分值就是1+1-1+1=2. 很明顯這個(gè)分值是不合理的，下面一步步修改它吏恭。

② 程度詞

“好”袖扛，“流暢”和‘爛“前面都有一個(gè)程度修飾詞十籍〈浇福”極好“就比”較好“或者”好“的情感更強(qiáng)盏筐，”太爛“也比”有點(diǎn)爛“情感強(qiáng)得多。所以需要在找到情感詞后往前找一下有沒(méi)有程度修飾界牡，并給不同的程度一個(gè)權(quán)值漾抬。比如”極“纳令，”無(wú)比“，”太“就要把情感分值4圈匆，”較“捏雌，”還算“就情感分值2，”只算“纬傲，”僅僅“這些就0.5了窘奏。那么這句話的情感分值就是：41+12-14+1=3着裹。

③ 感嘆號(hào)

可以發(fā)現(xiàn)太爛了后面有感嘆號(hào)，嘆號(hào)意味著情感強(qiáng)烈摔竿。因此發(fā)現(xiàn)嘆號(hào)可以為情感值+2. 那么這句話的情感分值就變成了：41+12-1*4-2+1 = 1

④ 否定詞

明眼人一眼就看出最后面那個(gè)”好“并不是表示”好“少孝，因?yàn)榍懊孢€有一個(gè)”不“字。所以在找到情感詞的時(shí)候袁翁，需要往前找否定詞。比如”不“柄驻，”不能“這些詞焙压。而且還要數(shù)這些否定詞出現(xiàn)的次數(shù)涯曲，如果是單數(shù)，情感分值就-1拨黔，但如果是偶數(shù)傲武，那情感就沒(méi)有反轉(zhuǎn)揪利，還是1狠持。在這句話里面，可以看出”好“前面只有一個(gè)”不“甜刻，所以”好“的情感值應(yīng)該反轉(zhuǎn)正勒，-1章贞。
因此這句話的準(zhǔn)確情感分值是：41+12-14-2+1*-1 = -1

⑤ 積極和消極分開(kāi)來(lái)

再接下來(lái)，很明顯就可以看出蜕径，這句話里面有褒有貶败京，不能用一個(gè)分值來(lái)表示它的情感傾向赡麦。而且這個(gè)權(quán)值的設(shè)置也會(huì)影響最終的情感分值帕识，敏感度太高了遂铡。因此對(duì)這句話的最終的正確的處理忧便，是得出這句話的一個(gè)積極分值，一個(gè)消極分值（這樣消極分值也是正數(shù)超歌，無(wú)需使用負(fù)數(shù)了）蒂教。它們同時(shí)代表了這句話的情感傾向凝垛。所以這句評(píng)論應(yīng)該是”積極分值：6，消極分值：7炭分。

⑥ 以分句的情感為基礎(chǔ)

再仔細(xì)一步剑肯，詳細(xì)一點(diǎn)，一條評(píng)論的情感分值是由不同的分句加起來(lái)的呀忧，因此要得到一條評(píng)論的情感分值而账，就要先計(jì)算出評(píng)論中每個(gè)句子的情感分值因篇。這條例子評(píng)論有四個(gè)分句惜犀，因此其結(jié)構(gòu)如下（[積極分值, 消極分值]）：[[4, 0], [2, 0], [0, 6], [0, 1]] 。
以上就是使用情感詞典來(lái)進(jìn)行情感分析的主要流程了汽烦，算法的設(shè)計(jì)也會(huì)按照這個(gè)思路來(lái)實(shí)現(xiàn)莉御。

算法設(shè)計(jì)

第一步：讀取評(píng)論數(shù)據(jù)怨咪，對(duì)評(píng)論進(jìn)行分句。
第二步：查找對(duì)分句的情感詞煮岁，記錄積極還是消極，以及位置冶伞。
第三步：往情感詞前查找程度詞响禽，找到就停止搜尋荚醒。為程度詞設(shè)權(quán)值，乘以情感值侯繁。
第四步：往情感詞前查找否定詞巫击，找完全部否定詞精续，若數(shù)量為奇數(shù)粹懒，乘以-1凫乖，若為偶數(shù)，乘以1删掀。
第五步：判斷分句結(jié)尾是否有感嘆號(hào)导街，有嘆號(hào)則往前尋找情感詞搬瑰，有則相應(yīng)的情感值+2控硼。
第六步：計(jì)算完一條評(píng)論所有分句的情感值卡乾，用數(shù)組（list）記錄起來(lái)缚够。
第七步：計(jì)算并記錄所有評(píng)論的情感值谍椅。
第八步：通過(guò)分句計(jì)算每條評(píng)論的積極情感均值，消極情感均值埂伦，積極情感方差思恐，消極情感方差胀莹。

實(shí)戰(zhàn)

這里是作者參考已有代碼，結(jié)合自己需要媳否，對(duì)代碼進(jìn)行了簡(jiǎn)單的修改篱竭。本腳本運(yùn)行環(huán)境是python3.5 步绸，使用2.x的盆友們見(jiàn)諒瓤介。

import jieba
import numpy as np

#打開(kāi)詞典文件，返回列表
def open_dict(Dict = 'hahah', path=r'/Users/apple888/PycharmProjects/Textming/Sent_Dict/Hownet/'):
    path = path + '%s.txt' % Dict
    dictionary = open(path, 'r', encoding='utf-8')
    dict = []
    for word in dictionary:
        word = word.strip('\n')
        dict.append(word)
    return dict

def judgeodd(num):
    if (num % 2) == 0:
        return 'even'
    else:
        return 'odd'


#注意氯质，這里你要修改path路徑闻察。
deny_word = open_dict(Dict = '否定詞', path= r'/Users/apple888/PycharmProjects/Textming/')
posdict = open_dict(Dict = 'positive', path= r'/Users/apple888/PycharmProjects/Textming/')
negdict = open_dict(Dict = 'negative', path= r'/Users/apple888/PycharmProjects/Textming/')

degree_word = open_dict(Dict = '程度級(jí)別詞語(yǔ)', path= r'/Users/apple888/PycharmProjects/Textming/')
mostdict = degree_word[degree_word.index('extreme')+1 : degree_word.index('very')]#權(quán)重4蜓陌，即在情感詞前乘以3
verydict = degree_word[degree_word.index('very')+1 : degree_word.index('more')]#權(quán)重3
moredict = degree_word[degree_word.index('more')+1 : degree_word.index('ish')]#權(quán)重2
ishdict = degree_word[degree_word.index('ish')+1 : degree_word.index('last')]#權(quán)重0.5



def sentiment_score_list(dataset):
    seg_sentence = dataset.split('。')

    count1 = []
    count2 = []
    for sen in seg_sentence: #循環(huán)遍歷每一個(gè)評(píng)論
        segtmp = jieba.lcut(sen, cut_all=False)  #把句子進(jìn)行分詞填抬，以列表的形式返回
        i = 0 #記錄掃描到的詞的位置
        a = 0 #記錄情感詞的位置
        poscount = 0 #積極詞的第一次分值
        poscount2 = 0 #積極詞反轉(zhuǎn)后的分值
        poscount3 = 0 #積極詞的最后分值（包括嘆號(hào)的分值）
        negcount = 0
        negcount2 = 0
        negcount3 = 0
        for word in segtmp:
            if word in posdict:  # 判斷詞語(yǔ)是否是情感詞
                poscount += 1
                c = 0
                for w in segtmp[a:i]:  # 掃描情感詞前的程度詞
                    if w in mostdict:
                        poscount *= 4.0
                    elif w in verydict:
                        poscount *= 3.0
                    elif w in moredict:
                        poscount *= 2.0
                    elif w in ishdict:
                        poscount *= 0.5
                    elif w in deny_word:
                        c += 1
                if judgeodd(c) == 'odd':  # 掃描情感詞前的否定詞數(shù)
                    poscount *= -1.0
                    poscount2 += poscount
                    poscount = 0
                    poscount3 = poscount + poscount2 + poscount3
                    poscount2 = 0
                else:
                    poscount3 = poscount + poscount2 + poscount3
                    poscount = 0
                a = i + 1  # 情感詞的位置變化

            elif word in negdict:  # 消極情感的分析，與上面一致
                negcount += 1
                d = 0
                for w in segtmp[a:i]:
                    if w in mostdict:
                        negcount *= 4.0
                    elif w in verydict:
                        negcount *= 3.0
                    elif w in moredict:
                        negcount *= 2.0
                    elif w in ishdict:
                        negcount *= 0.5
                    elif w in degree_word:
                        d += 1
                if judgeodd(d) == 'odd':
                    negcount *= -1.0
                    negcount2 += negcount
                    negcount = 0
                    negcount3 = negcount + negcount2 + negcount3
                    negcount2 = 0
                else:
                    negcount3 = negcount + negcount2 + negcount3
                    negcount = 0
                a = i + 1
            elif word == '宏蛉！' or word == '!':  ##判斷句子是否有感嘆號(hào)
                for w2 in segtmp[::-1]:  # 掃描感嘆號(hào)前的情感詞拾并，發(fā)現(xiàn)后權(quán)值+2鹏浅，然后退出循環(huán)
                    if w2 in posdict or negdict:
                        poscount3 += 2
                        negcount3 += 2
                        break
            i += 1 # 掃描詞位置前移


            # 以下是防止出現(xiàn)負(fù)數(shù)的情況
            pos_count = 0
            neg_count = 0
            if poscount3 < 0 and negcount3 > 0:
                neg_count += negcount3 - poscount3
                pos_count = 0
            elif negcount3 < 0 and poscount3 > 0:
                pos_count = poscount3 - negcount3
                neg_count = 0
            elif poscount3 < 0 and negcount3 < 0:
                neg_count = -poscount3
                pos_count = -negcount3
            else:
                pos_count = poscount3
                neg_count = negcount3

            count1.append([pos_count, neg_count])
        count2.append(count1)
        count1 = []

    return count2

def sentiment_score(senti_score_list):
    score = []
    for review in senti_score_list:
        score_array = np.array(review)
        Pos = np.sum(score_array[:, 0])
        Neg = np.sum(score_array[:, 1])
        AvgPos = np.mean(score_array[:, 0])
        AvgPos = float('%.1f'%AvgPos)
        AvgNeg = np.mean(score_array[:, 1])
        AvgNeg = float('%.1f'%AvgNeg)
        StdPos = np.std(score_array[:, 0])
        StdPos = float('%.1f'%StdPos)
        StdNeg = np.std(score_array[:, 1])
        StdNeg = float('%.1f'%StdNeg)
        score.append([Pos, Neg, AvgPos, AvgNeg, StdPos, StdNeg])
    return score



data = '你就是個(gè)王八蛋之碗，混賬玩意!你們的手機(jī)真不好用季希！非常生氣式塌，我非常郁悶！Ｒ背馈＞澄觥劳淆！'
data2= '我好開(kāi)心啊默赂，非常非常非常高興！今天我得了一百分曲掰，我很興奮開(kāi)心栏妖，愉快，開(kāi)心'

print(sentiment_score(sentiment_score_list(data)))
print(sentiment_score(sentiment_score_list(data2)))

運(yùn)行結(jié)果：

[[78.0, 169.0, 3.1, 6.8, 3.1, 6.5]]
[[327.0, 30.0, 14.9, 1.4, 22.5, 0.9]]

從得分我們看到第一段話是消極的宛裕，第二段是積極的论泛。（主要看Pos與Neg大衅ㄗ唷）

運(yùn)行代碼及詞典下載
鏈接:http://link.zhihu.com/?target=https%3A//pan.baidu.com/s/1jIRoOxK
密碼：6wq4
下載完代碼坟瓢，一定要注意代碼中的path，修改成泥電腦中的文件路徑粥诫，否則沒(méi)法用崭庸。有什么問(wèn)題可以給作者留言。

歡迎關(guān)注作者公眾號(hào)：大鄧帶你玩轉(zhuǎn)python