用于NLP的sentic包
sentic的Python项目详细描述
#使用senticnet4（http://sentic.net/http://sentic.net/）.实现语义和情感分析的python接口。
使用pip：使用pip：
`````
$pip install sentic
``````
``````>br/>>python setup.py install
```
如何使用sentic提供的
`` python
导入SenticPhrase
text=“雪莉真是个可爱的女孩。”
sp=SenticPhrase（text）
sp.info（text）
>；{sentics'：{aptitude'：0.062，“注意”：0.3695，“愉悦”：0.47050000000000003，“敏感度”：0.0115}，“语义”：{furry，“劳动”，“夜间”，“职业”，“动物毛皮”，“毛茸茸的”，“警察工作”，“任务”‘家养宠物’‘就业’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养dtags（）
{“欢乐”：2，“兴趣”：1，“钦佩”：1}
>“employment”}
```
另外，如果需要，可以使用相同的senticphrase类对象对其他文本体进行方法调用。引入这种功能的方式是因为为每一个不同的文本体创建新对象可能会很麻烦，而且内存效率也很低。
```python
`word not in sentic word set
>；>sp.info（“asdkfjalsfknqsf”）
{'polarity'：0，'sentics'：{}，'semantics'：set（），'moodtags'：{，“情感”：“中性”}
>；>>；sp.info（“人类是如此有趣的物种。”）
{感觉性：{敏感度：0.0，“能力”：0.2995，“注意力”：-0.08550000000000002，“愉悦”：0.725}，“情感”：“强烈积极”，“语义”：set（），“情绪标签”：{“兴趣”：1，“快乐”：1，“钦佩”：1，“惊喜”：1}，“极性”：0.6165}
>；>；sp.获取极性（“使用同一对象获取另一文本的极性”）
0.5683333333334
`````
还可以使用其他语言：
``python
“['beaucoup de'u fleuurs'beaucoupde'u fleuurs'beaucoupde'u fleuurs'montrer'montrer'beaucoupde'u fleuurs'rose'donner'donner'u des'u fleuurs']
>sp.get moodtags（）
>；[''intre'retretr't''''''倾慕']]
>sp.get'u sentics（）
>>sp.get'getu sentics（）
>>>>>；{gt；{gt；{'aptitup；0.071，'敏感度0.071，'敏感度：：0.093}
（不幸的是，法语数据集和其他一些语言没有正/负标签。）
sp.get_polarity（）
>；>0
````
您可以在这里找到所有支持的语言：http://sentic.net/api/
（@yurimalheiros）https://github.com/yurimalheiros/senticnetapi.
SenticNet是麻省理工学院媒体实验室2010年在科学与工程（CASE）研究项目的工业合作奖中提出的一项倡议由英国工程和物理科学研究委员会（EPSRC）资助，由斯特林大学、媒体实验室和Sitekit实验室合作而成。目前，Sentic团队正在维护和进一步开发SenticNet知识库和SenticNet框架新加坡南洋理工大学计算机工程学院的一个多学科研究小组，同时也受到世界各地许多哨兵爱好者的欢迎。
包含全部或部分通过使用API获得的结果的工作或陈述：
*E.Cambria、S.Poria、R.Bajpai和B.Schullersenticnet 4：基于概念原语的情感分析语义资源。见：COLING，第2666-2677页，大阪（2016）http://sentic.net/senticnet-4.pdf*
使用pip：使用pip：
`````
$pip install sentic
``````
``````>br/>>python setup.py install
```
如何使用sentic提供的
`` python
导入SenticPhrase
text=“雪莉真是个可爱的女孩。”
sp=SenticPhrase（text）
sp.info（text）
>；{sentics'：{aptitude'：0.062，“注意”：0.3695，“愉悦”：0.47050000000000003，“敏感度”：0.0115}，“语义”：{furry，“劳动”，“夜间”，“职业”，“动物毛皮”，“毛茸茸的”，“警察工作”，“任务”‘家养宠物’‘就业’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养宠物’‘家养dtags（）
{“欢乐”：2，“兴趣”：1，“钦佩”：1}
>“employment”}
```
另外，如果需要，可以使用相同的senticphrase类对象对其他文本体进行方法调用。引入这种功能的方式是因为为每一个不同的文本体创建新对象可能会很麻烦，而且内存效率也很低。
```python
`word not in sentic word set
>；>sp.info（“asdkfjalsfknqsf”）
{'polarity'：0，'sentics'：{}，'semantics'：set（），'moodtags'：{，“情感”：“中性”}
>；>>；sp.info（“人类是如此有趣的物种。”）
{感觉性：{敏感度：0.0，“能力”：0.2995，“注意力”：-0.08550000000000002，“愉悦”：0.725}，“情感”：“强烈积极”，“语义”：set（），“情绪标签”：{“兴趣”：1，“快乐”：1，“钦佩”：1，“惊喜”：1}，“极性”：0.6165}
>；>；sp.获取极性（“使用同一对象获取另一文本的极性”）
0.5683333333334
`````
还可以使用其他语言：
``python
“['beaucoup de'u fleuurs'beaucoupde'u fleuurs'beaucoupde'u fleuurs'montrer'montrer'beaucoupde'u fleuurs'rose'donner'donner'u des'u fleuurs']
>sp.get moodtags（）
>；[''intre'retretr't''''''倾慕']]
>sp.get'u sentics（）
>>sp.get'getu sentics（）
>>>>>；{gt；{gt；{'aptitup；0.071，'敏感度0.071，'敏感度：：0.093}
（不幸的是，法语数据集和其他一些语言没有正/负标签。）
sp.get_polarity（）
>；>0
````
您可以在这里找到所有支持的语言：http://sentic.net/api/
（@yurimalheiros）https://github.com/yurimalheiros/senticnetapi.
SenticNet是麻省理工学院媒体实验室2010年在科学与工程（CASE）研究项目的工业合作奖中提出的一项倡议由英国工程和物理科学研究委员会（EPSRC）资助，由斯特林大学、媒体实验室和Sitekit实验室合作而成。目前，Sentic团队正在维护和进一步开发SenticNet知识库和SenticNet框架新加坡南洋理工大学计算机工程学院的一个多学科研究小组，同时也受到世界各地许多哨兵爱好者的欢迎。
包含全部或部分通过使用API获得的结果的工作或陈述：
*E.Cambria、S.Poria、R.Bajpai和B.Schullersenticnet 4：基于概念原语的情感分析语义资源。见：COLING，第2666-2677页，大阪（2016）http://sentic.net/senticnet-4.pdf*
欢迎加入QQ群-->： 979659372
