NRC词典应用实例

您所在的位置:网站首页 常用的情感词典有哪些类型 NRC词典应用实例

NRC词典应用实例

2024-07-13 09:12| 来源: 网络整理| 查看: 265

本文在基于NRC词典的情感分析(含多种离散情绪)——python基础上创作,原文章对中文文本进行结巴分词,然后与词典进行匹配。在作者实际使用过程中,由于需要使用到英文的原始数据,因此,将中文文本预处理部分和后续处理部分进行更改完善,以适应英文文本。

情绪和情感词典 是由加拿大国家研究委员会(简称NRC)的专家创建,因此也称为NRC词典。该词典具有广泛的应用程序开发,可以在多种环境中使用,例如情绪分析,产品营销,消费者行为,甚至是政治活动分析。 词典中包含了多种语言的词汇情感值,其中就包括英文和中文,本文将使用英文进行实例应用。

先来看一下有哪些可用的参数:

import pandas as pd lexion_df = pd.read_excel('F:/NRC-Emotion-Lexicon/NRC-Emotion-Lexicon-v0.92/NRC-Emotion-Lexicon-v0.92-In105Languages-Nov2017Translations.xlsx') # 读取列标题 lexion_df.columns.tolist() #选出我们要使用的列并查看 english_df = lexion_df[['English (en)','Positive', 'Negative','Anger','Anticipation', 'Disgust', 'Fear','Joy', 'Sadness', 'Surprise', 'Trust']] english_df.head()

在这里插入图片描述 然后构建每种情绪对应的词典表:

#构建每种情绪的词语列表 Positive, Negative, Anger, Anticipation, Disgust, Fear, Joy, Sadness, Surprise, Trust = [[]for i in range(10)] for idx, row in english_df.iterrows(): if row['Positive']==1: Positive.append(row['English (en)']) if row['Negative']==1: Negative.append(row[


【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3