用WordNet实现中文情感分析

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= []

forword in open("./stop_words.txt", "r"):

stopwords.append(word.strip())

ll = []

for segin seg_list :

if(seg.encode("utf-8") not in stopwords and seg != ' ' and seg != ''and seg != "\n" and seg != "\n\n"):

ll.append(seg)

returnll

def loadWordNet():

f =codecs.open("./cow-not-full.txt", "rb", "utf-8")

known =set()

for lin f:

ifl.startswith('#') or not l.strip():

continue

row= l.strip().split("\t")

iflen(row) == 3:

(synset, lemma, status) = row

elif len(row) == 2:

(synset, lemma) = row

status = 'Y'

else:

print "illformed line: ", l.strip()

ifstatus in ['Y', 'O' ]:

if not (synset.strip(),lemma.strip()) in known:

known.add((synset.strip(), lemma.strip()))

returnknown

def findWordNet(known, key):

ll =[];

for kkin known:

if(kk[1] == key):

ll.append(kk[0])

returnll

def id2ss(ID):

returnwn._synset_from_pos_and_offset(str(ID[-1:]), int(ID[:8]))

def getSenti(word):

returnswn.senti_synset(word.name())

if __name__ == '__main__' :

known =loadWordNet()

words =doSeg(sys.argv[1])

n = 0

p = 0

forword 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

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,377评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,390评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,967评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,344评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,441评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,492评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,497评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,274评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,732评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,008评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,184评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,837评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,520评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,156评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,407评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,056评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,074评论 2 352

推荐阅读更多精彩内容

  • 常用概念: 自然语言处理(NLP) 数据挖掘 推荐算法 用户画像 知识图谱 信息检索 文本分类 常用技术: 词级别...
    御风之星阅读 9,167评论 1 25
  • 以下内容都是在工作中的一些小实践,代码部分是参考网上的已有的然后再自行根据情况修改过的。记载主要是想以后用的时候可...
    H2016阅读 2,505评论 0 7
  • 后开发现,越是情浓,相处越是平淡;越是真实,越不需要热闹的假象。聚时一团火,散时满天星,是最舒服的方式。 友谊...
    Fairy熙阅读 147评论 0 0
  • 1/同学群里,平时就是静悄悄的样子 宛如一湖安静的水,虽说是同学,可是根本找不到当年的热闹 今天有人转发了一片信息...
    利君理疗阅读 266评论 0 0
  • 2017年8月11日,如是家人黄愈惠,第11天种种子修行日志 发心:我今不是为了我个人而闻思修,而是为了六道轮回一...
    愈惠阅读 166评论 2 5