我使用NLTK中的SentimentIntensityAnalyzer
来获取关于航空公司服务的推文。有很多关于食品质量和准时性等的推特。通过下面的代码,我可以获得一个单词的极性
from nltk.sentiment.vader import SentimentIntensityAnalyzer
nltk.download('vader_lexicon')
sid = SentimentIntensityAnalyzer()
sid.polarity_scores('delicious')
>>> {'neg': 0.0, 'neu': 0.0, 'pos': 1.0, 'compound': 0.5719}
sid.polarity_scores('delayed')
>>> {'neg': 1.0, 'neu': 0.0, 'pos': 0.0, 'compound': -0.2263}
然而,有很多词只返回“neutral”,这些词经常被用来表示航空公司的服务质量,所以我想得到一个合适的极性。任何想法都将不胜感激
sid.polarity_scores('tasty')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
sid.polarity_scores('tasteless')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
sid.polarity_scores('quick')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
sid.polarity_scores('fast')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
sid.polarity_scores('slow')
>>> {'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}
也许NLTK不是可以使用的库。我更喜欢使用TextBlob,下面是一个示例代码
输出:
我在测试你的话时只遇到一个问题:
tasty
的情绪也是中性的相关问题 更多 >
编程相关推荐