NLTK情緒高漲：訂購結果

Question

我剛剛對我的數據集進行了維德情緒分析：

from nltk.sentiment.vader import SentimentIntensityAnalyzer
from nltk import tokenize
sid = SentimentIntensityAnalyzer()
for sentence in filtered_lines2:
    print(sentence)
    ss = sid.polarity_scores(sentence)
    for k in sorted(ss):
        print('{0}: {1}, '.format(k, ss[k]), )
        print()

這里是我的結果樣本：

Are these guests on Samsung and Google event mostly Chinese Wow Theyre
boring 

Google Samsung 

('compound: 0.3612, ',)

()

('neg: 0.12, ',)

()


('neu: 0.681, ',)


()


('pos: 0.199, ',)


()

 Adobe lose 135bn to piracy Report 


('compound: -0.4019, ',)


()


('neg: 0.31, ',)


()


('neu: 0.69, ',)


()


('pos: 0.0, ',)


()

Samsung Galaxy Nexus announced

('compound: 0.0, ',)

()

('neg: 0.0, ',)

()

('neu: 1.0, ',)

()

('pos: 0.0, ',)

()

我想知道“化合物”等於，大於或小於零的次數。

我知道這可能很容易，但是我對Python和一般的編碼真的很陌生。 我已經嘗試了多種方法來創建所需的內容，但是找不到任何解決方案。

（如果“結果樣本”不正確，請編輯我的問題，因為我不知道正確的書寫方式）

Answer 1

您可以為每個類使用一個簡單的計數器：

positive, negative, neutral = 0, 0, 0

然后，在句子循環內，測試復合值並增加相應的計數器：

    ...
    if ss['compound'] > 0:
        positive += 1
    elif ss['compound'] == 0:
        neutral += 1
    elif ...

等等

Answer 2

到目前為止，這並不是最Python的方法，但是如果您對Python沒有太多的經驗，那么我認為這將是最容易理解的方法。 本質上，您創建一個具有0個值的字典，並在每種情況下都增加該值。

from nltk.sentiment.vader import SentimentIntensityAnalyzer
from nltk import tokenize
sid = SentimentIntensityAnalyzer()
res = {"greater":0,"less":0,"equal":0}
for sentence in filtered_lines2:
    ss = sid.polarity_scores(sentence)
    if ss["compound"] == 0.0:
        res["equal"] +=1
    elif ss["compound"] > 0.0:
        res["greater"] +=1
    else:
        res["less"] +=1
print(res)

Answer 3

我可能會定義一個函數，該函數返回由文檔表示的不平等類型：

def inequality_type(val):
  if val == 0.0: 
      return "equal"
  elif val > 0.0: 
      return "greater"
  return "less"

然后將其用於所有句子的復合分數，以增加相應不等式類型的計數。

from collections import defaultdict

def count_sentiments(sentences):
    # Create a dictionary with values defaulted to 0
    counts = defaultdict(int)

    # Create a polarity score for each sentence
    for score in map(sid.polarity_scores, sentences):
        # Increment the dictionary entry for that inequality type
        counts[inequality_type(score["compound"])] += 1

    return counts

然后，您可以在已過濾的行中調用它。

但是，僅使用collections.Counter可以避免這種情況：

from collections import Counter

def count_sentiments(sentences):
    # Count the inequality type for each score in the sentences' polarity scores
    return Counter((inequality_type(score["compound"]) for score in map(sid.polarity_scores, sentences)))