《Python數據挖掘》筆記（五） 文本情緒分析

Python數據挖掘：概念、方法與實踐。Megan Squire著，姚軍譯，機械工業出版社，2017年。

筆記中有些內容直接引用原書。

=======================================================

本章將學習：

a. 情緒分析是什麼，我們為什麼要關心這種分析？

b. 如何理解在文本中找到情緒的最常用技術，哪些軟體工具可用於實施這些技術？

c. 如何在兩組實際文本中應用情緒分析？

5.1 什麼是情緒分析

情緒分析尋找作者在文本中表現的主觀感覺，嘗試為文本打上相應的標籤。

5.2 情緒分析基礎知識

觀點挖掘和情緒分析被視為更大的領域——自然語言處理（NLP）的子問題。情緒挖掘的目標不是理解人們所做的陳述，而只是了解他們的語氣。

5.2.1 觀點的結構

每個觀點通常都有一個目標，觀點的目標有時候稱為實體。觀點中的每個實體也可能有成分（子部件），實體或者組件則有屬性或者主題詞。

含蓄、諷刺、慣用語和條件語句是情緒識別的挑戰。

5.2.2 文檔級和句子級分析

可以在文檔和句子級別上分析觀點。本章主要關注文檔級情緒分析。

5.2.3 觀點的重要特徵

重要特徵是文本中使用的詞語。詞語包含單詞和短語，還包含標點符號、表情符號和表情圖標，因為這些符號也隱含著情緒或者感覺。我們可以確定正面或負面情緒的單詞稱為情緒詞或者觀點詞。

除訓練詞外，可能表示情緒的文本特徵還包括：

a. 所用單詞的稀有性

b. 單詞在文本中的位置

c. 否定詞或者其他所謂的觀點轉移詞的存在

d. 文本中出現的詞性

5.3 情緒分析演算法

通用數據集

a. 胡敏清（音譯）和劉冰的情緒分析詞典：6800個詞

b. SentiWordNet：117000個單詞， 13MB的gzip壓縮文件

c. Vader

5.4 情緒挖掘應用

本節用NTLK進行文本情緒分析。分析了兩個聊天室的情緒積極度比較。還分析了Linus Torvalds發給LKML的電子郵件集合中，哪一封最能體現linusrants（Linus咆哮）。

Github代碼github.com

BrianZhang：《Python數據挖掘》筆記（一）擴展你的數據挖掘工具箱zhuanlan.zhihu.comBrianZhang：《Python數據挖掘》筆記（二）關聯規則挖掘zhuanlan.zhihu.comBrianZhang：《Python數據挖掘》筆記（三）實體匹配zhuanlan.zhihu.comBrianZhang：《Python數據挖掘》筆記（四） 網路分析zhuanlan.zhihu.comBrianZhang：《Python數據挖掘》筆記（六） 文本中的命名實體識別zhuanlan.zhihu.comBrianZhang：《Python數據挖掘》筆記（七） 自動化文本摘要zhuanlan.zhihu.comBrianZhang：《Python數據挖掘》筆記（八）文本中的主題建模zhuanlan.zhihu.comBrianZhang：《Python數據挖掘》筆記（九）挖掘數據異常zhuanlan.zhihu.com軟體開發之路zhuanlan.zhihu.com
推薦閱讀：