0
雷鋒網(wǎng)按：本文作者王樹義，原載于微信公眾號玉樹芝蘭（nkwangshuyi），雷鋒網(wǎng)經(jīng)授權(quán)發(fā)布。
商品評論挖掘、電影推薦、股市預(yù)測……情感分析大有用武之地。本文幫助你一步步用Python做出自己的情感分析結(jié)果，難道你不想試試看？
如果你關(guān)注數(shù)據(jù)科學(xué)研究或是商業(yè)實踐，“情感分析”(sentiment analysis)這個詞你應(yīng)該不陌生吧？
維基百科上，情感分析的定義是：
文本情感分析（也稱為意見挖掘）是指用自然語言處理、文本挖掘以及計算機語言學(xué)等方法來識別和提取原素材中的主觀信息。
聽著很高大上，是吧？如果說得具體一點呢？
給你一段文本，你就可以用情感分析的自動化方法獲得這一段內(nèi)容里包含的情感色彩是什么。
神奇吧？
情感分析不是炫技工具。它是悶聲發(fā)大財?shù)姆椒āＴ缭?010年，就有學(xué)者指出，可以依靠Twitter公開信息的情感分析來預(yù)測股市的漲落，準(zhǔn)確率高達(dá)87.6%！
在這些學(xué)者看來，一旦你能夠獲得大量實時社交媒體文本數(shù)據(jù)，且利用情感分析的黑魔法，你就獲得了一顆預(yù)測近期投資市場趨勢的水晶球。
這種用數(shù)據(jù)科學(xué)碾壓競爭者的感受，是不是妙不可言啊？
大數(shù)據(jù)時代，我們可以獲得的文本數(shù)據(jù)實在太多了。僅僅是大眾點評、豆瓣和亞馬遜上海量的評論信息就足夠我們揮鍬掄鎬，深挖一通了。
你是不是疑惑，這么高深的技術(shù)，自己這個非計算機專業(yè)的文科生，如何才能應(yīng)用呢？
不必?fù)?dān)心。從前情感分析還只是實驗室或者大公司的獨門秘籍。現(xiàn)在早已飛入尋常百姓家。門檻的降低使得我們普通人也可以用Python的幾行代碼，完成大量文本的情感分析處理。
是不是摩拳擦掌，打算動手嘗試了？
那我們就開始吧。
為了更好地使用Python和相關(guān)軟件包，你需要先安裝Anaconda套裝。詳細(xì)的流程步驟請參考《 如何用Python做詞云 》一文。
到你的系統(tǒng)“終端”(macOS, Linux)或者“命令提示符”(Windows)下，進(jìn)入我們的工作目錄demo，執(zhí)行以下命令。
pip install snownlp
pip install -U textblob
python -m textblob.download_corpora
好了，至此你的情感分析運行環(huán)境已經(jīng)配置完畢。
在終端或者命令提示符下鍵入：
jupyter notebook
你會看到目錄里之前的那些文件，忽略他們就好。
好了，下面我們就可以愉快地利用Python來編寫程序，做文本情感分析了。
我們先來看英文文本的情感分析。
這里我們需要用到的是 TextBlob 包 ，相關(guān)鏈接為：
其實，從上圖可以看出，這個包可以做許許多多跟文本處理相關(guān)的事情。本文我們只專注于情感分析這一項。其他功能以后有時間我們再介紹。
我們新建一個Python 2筆記本，并且將其命名為“sentiment-analysis”。
先準(zhǔn)備一下英文文本數(shù)據(jù)。
text = "I am happy today. I feel sad today."
這里我們輸入了兩句話，把它存入了text這個變量里面。學(xué)了十幾年英語的你，應(yīng)該立即分辨出這兩句話的情感屬性。第一句是“我今天很高興”，正面；第二句是“我今天很沮喪”，負(fù)面。
下面我們看看情感分析工具TextBlob能否正確識別這兩句話的情感屬性。
首先我們呼喚TextBlob出來。
from textblob import TextBlob
blob = TextBlob(text)
blob
按Shift+Enter執(zhí)行，結(jié)果好像只是把這兩句話原封不動打印了出來而已嘛。
別著急，TextBlob已經(jīng)幫我們把一段文本分成了不同的句子。我們不妨看看它的劃分對不對。
blob.sentences
執(zhí)行后輸出結(jié)果如下：
劃分無誤。可是你能斷句有啥了不起？！我要情感分析結(jié)果！
你怎么這么著急啊？一步步來嘛。好，我們輸出第一句的情感分析結(jié)果：
blob.sentences[0].sentiment
執(zhí)行后，你會看到有意思的結(jié)果出現(xiàn)了：
情感極性0.8，主觀性1.0。說明一下，情感極性的變化范圍是[-1, 1]，-1代表完全負(fù)面，1代表完全正面。
既然我說自己“高興”，那情感分析結(jié)果是正面的就對了啊。
趁熱打鐵，我們看第二句。
blob.sentences[1].sentiment
執(zhí)行后結(jié)果如下：
“沮喪”對應(yīng)的情感極性是負(fù)的0.5，沒毛病！
更有趣的是，我們還可以讓TextBlob綜合分析出整段文本的情感。
blob.sentiment
執(zhí)行結(jié)果是什么？
給你10秒鐘，猜猜看。
不賣關(guān)子了，是這樣的：
你可能會覺得沒有道理。怎么一句“高興”，一句“沮喪”，合并起來最后會得到正向結(jié)果呢？
首先不同極性的詞，在數(shù)值上是有區(qū)別的。我們應(yīng)該可以找到比“沮喪”更為負(fù)面的詞匯。而且這也符合邏輯，誰會這么“天上一腳，地下一腳”矛盾地描述自己此時的心情呢？
試驗了英文文本情感分析，我們該回歸母語了。畢竟，互聯(lián)網(wǎng)上我們平時接觸最多的文本，還是中文的。
中文文本分析，我們使用的是 SnowNLP 包 。這個包跟TextBlob一樣，也是多才多藝的。
SnowNLP 的相關(guān)鏈接如下：
我們還是先準(zhǔn)備一下文本。這次我們換2個形容詞試試看。
text = u"我今天很快樂。我今天很憤怒。"
注意在引號前面我們加了一個字母u，它很重要。因為它提示Python，“這一段我們輸入的文本編碼格式是Unicode，別搞錯了哦”。至于文本編碼格式的細(xì)節(jié)，有機會我們再詳細(xì)聊。
好了，文本有了，下面我們讓SnowNLP來工作吧。
from snownlp import SnowNLP
s = SnowNLP(text)
我們想看看SnowNLP能不能像TextBlob一樣正確劃分我們輸入的句子，所以我們執(zhí)行以下輸出：
for sentence in s.sentences:
print(sentence)
執(zhí)行的結(jié)果是這樣的：
好的，看來SnowNLP對句子的劃分是正確的。
我們來看第一句的情感分析結(jié)果吧。
s1 = SnowNLP(s.sentences[0])
s1.sentiments
執(zhí)行后的結(jié)果是：
看來“快樂”這個關(guān)鍵詞真是很能說明問題。基本上得到滿分了。
我們來看第二句：
s2 = SnowNLP(s.sentences[1])
s2.sentiments
執(zhí)行結(jié)果如下：
這里你肯定發(fā)現(xiàn)了問題——“憤怒”這個詞表達(dá)了如此強烈的負(fù)面情感，為何得分依然是正的？
這是因為SnowNLP和textblob的計分方法不同。SnowNLP的情感分析取值，表達(dá)的是“這句話代表正面情感的概率”。也就是說，對“我今天很憤怒”一句，SnowNLP認(rèn)為，它表達(dá)正面情感的概率很低很低。
這么解釋就合理多了。
學(xué)會了基本招式，很開心吧？下面你可以自己找一些中英文文本來實踐情感分析了。
但是你可能很快就會遇到問題。例如你輸入一些明確的負(fù)面情緒語句，得到的結(jié)果卻很正面。
不要以為自己又被忽悠了。我來解釋一下問題出在哪兒。
首先，許多語句的情感判定需要上下文和背景知識，因此如果這類信息缺乏，判別正確率就會受到影響。這就是人比機器（至少在目前）更強大的地方。
其次，任何一個情感分析工具，實際上都是被訓(xùn)練出來的。訓(xùn)練時用的是什么文本材料，直接影響到模型的適應(yīng)性。
例如SnowNLP，它的訓(xùn)練文本就是評論數(shù)據(jù)。因此，你如果用它來分析中文評論信息，效果應(yīng)該不錯。但是，如果你用它分析其他類型的文本——例如小說、詩歌等，效果就會大打折扣。因為這樣的文本數(shù)據(jù)組合方式，它之前沒有見過。
解決辦法當(dāng)然有，就是用其他類型的文本去訓(xùn)練它。見多識廣，自然就“見慣不怪”了。至于該如何訓(xùn)練，請和相關(guān)軟件包的作者聯(lián)系咨詢。
除了本文提到的文本分析應(yīng)用領(lǐng)域，你還知道哪些其他的工作可以用情感分析來自動化輔助完成？除TextBlob和SnowNLP外，你還知道哪些開放免費軟件包可以幫助我們完成情感分析工作？歡迎留言分享給大家，我們一起交流討論。
雷鋒網(wǎng)相關(guān)閱讀：
當(dāng)情感也可以聯(lián)網(wǎng)，你需要一個“算法天使”
睡前兩小時打字最活躍，搜狗大數(shù)據(jù)通過機器學(xué)習(xí)分析你的網(wǎng)絡(luò)行為
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
