- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
是否可以遍历一串词,使用情绪维达将它们分类为正面、负面或中性,然后如果它们是正面的,则将这些正面的词附加到列表中?下面的 for 循环是我想要完成的非工作代码。我是 Python 的初学者,所以如果有人可以提供有关如何完成这项工作的指导,我将不胜感激。
import nltk
from nltk.sentiment.vader import SentimentIntensityAnalyzer
test_subset=['20170412', 'great', 'bad', 'terrible', 'dog', 'stop', 'good']
test_subset_string_fixed=" ".join(str(x) for x in test_subset)
sid = SentimentIntensityAnalyzer()
pos_word_list=[]
for word in test_subset_string_fixed:
if (sid.polarity_scores(test_subset_string_fixed)).key() == 'pos':
pos_word_list.append(word)
非常感谢您的帮助。
最佳答案
import nltk
from nltk.sentiment.vader import SentimentIntensityAnalyzer
test_subset=['20170412', 'great', 'bad', 'terrible', 'dog', 'stop', 'good']
sid = SentimentIntensityAnalyzer()
pos_word_list=[]
neu_word_list=[]
neg_word_list=[]
for word in test_subset:
if (sid.polarity_scores(word)['compound']) >= 0.5:
pos_word_list.append(word)
elif (sid.polarity_scores(word)['compound']) <= -0.5:
neg_word_list.append(word)
else:
neu_word_list.append(word)
print('Positive :',pos_word_list)
print('Neutral :',neu_word_list)
print('Negative :',neg_word_list)
输出:
Positive : ['great']
Neutral : ['20170412', 'terrible', 'dog', 'stop', 'good']
Negative : ['bad']
关于Python - 使用 sentiment vader 从字符串中提取正面词,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43646877/
我是 python 新手,我有一个如下所示的数据集 我正在从数据集中提取评论,并尝试应用 VADER 工具来检查与每个评论相关的情绪权重。我能够成功检索评论,但无法将 VADER 应用于每条评论。这是
我想在 vader 词典中更新图表向上和向下图表表情符号的情绪值。看到这篇文章(VaderSentiment: unable to update emoji sentiment score)我试图复制
我正在使用 Python 的 nltk 库中的 VADER 情感词典来分析文本情感。这个词典不太适合我的领域,所以我想给各种词加上我自己的情感分数。所以,我得到了词典文本文件 (vader_lexic
我陷入了情绪分析,我找到了迄今为止我能找到的最好的 Vader 解决方案。我的问题是我没有找到任何关于如何用英语以外的语言提供它的文档。 最佳答案 简短的回答是“不”。 github 页面上的 R
是否可以遍历一串词,使用情绪维达将它们分类为正面、负面或中性,然后如果它们是正面的,则将这些正面的词附加到列表中?下面的 for 循环是我想要完成的非工作代码。我是 Python 的初学者,所以如果有
在大多数情况下,我发现polarity_scores返回的输出为“Neutral”,而负面和正面情绪应有一定的百分比突出显示,例如考虑以下情况,我发现了下面提到的所有3种情况的{'neg': 0.0,
我希望有人纠正我对 VADER 如何评分文本的理解。我已阅读此过程的说明 here ,但是在重新创建它描述的过程时,我无法将测试句子的复合分数与 Vader 的输出相匹配。假设我们有一句话: "I l
我正在学习如何使用 Python 对社交媒体帖子进行情绪分析。我发现有不同的工具可以实现这一点,例如 Textblob 或 Vader。 我想了解在选择一个或另一个时应该注意哪些差异。 在本例中,我尝
我的文字来源于一个社交网络,所以你可以想象它的本质,我认为文字是我想象中的干净和最小的;执行以下 sanitizer 后: 没有网址,没有用户名 没有标点符号,没有重音符号 没有数字 没有停用词(我想
我一直在使用 Vader Sentiment 进行一些文本情感分析,我注意到我的数据中有很多“有待改进”的短语被错误地归类为中性: In[11]: sentiment('way to go John'
我想向 vader_lexicon.txt 添加单词以指定单词的极性分数。这样做的正确方法是什么? 我在 AppData\Roaming\nltk_data\sentiment\vader_lexic
我是 Python 的初学者,正在尝试使用 nltk.sentiment.vader,但尽管多次尝试修复它,但仍收到反复出现的错误消息。我之前安装了大部分 NTLK(3 个模块已过时,因此无法安装)。
我正在使用 Vader SentimentAnalyzer 来获取极性分数。我之前使用了正/负/中性的概率分数,但我刚刚意识到“复合”分数,范围从 -1(最负)到 1(最正)将提供一个单一的极性度量。
我使用 vader 进行情感分析。当我在维达词典中添加一个单词时,它会起作用,即它会根据我给该单词赋予的值来检测新添加的单词是正面还是负面。代码如下: from vaderSentiment.vade
我是一名优秀的程序员,十分优秀!