[PYTHON] Negative / Positive Analyse 1 Anwendung der Textanalyse

Aidemy　2020/10/30

Einführung

Hallo, es ist ja! Ich bin eine knusprige Literaturschule, aber ich war an den Möglichkeiten der KI interessiert, also ging ich zur AI-spezialisierten Schule "Aidemy", um zu studieren. Ich möchte das hier gewonnene Wissen mit Ihnen teilen und habe es in Qiita zusammengefasst. Ich freue mich sehr, dass viele Menschen den vorherigen zusammenfassenden Artikel gelesen haben. Vielen Dank! Dies ist der erste Beitrag der negativ-positiven Analyse. Freut mich, dich kennenzulernen.

• Dieser Artikel ist eine Zusammenfassung dessen, was Sie in "Aidemy" "in Ihren eigenen Worten" gelernt haben. Es kann Fehler und Missverständnisse enthalten. Bitte beachten Sie.

Was diesmal zu lernen ・ Was ist eine negative / positive Analyse? ・ Durchführung einer Negativ / Positiv-Analyse mit dem Polarwörterbuch

Was ist eine negative / positive Analyse?

・ Negativ-Positive Analyse soll beurteilen, ob die Bemerkungen oder Ideen einer Person positiv oder negativ sind. Tatsächlich wird eine Methode angewendet, bei der Ausdrücke in Bezug auf Bewertungen und Emotionen, die in Sätzen enthalten sind, extrahiert und Emotionen in den Sätzen analysiert werden.

Über das Polaritätswörterbuch

• "Negativ / Positiv" heißt __ "Polarität" __ und __Polaritätswörterbuch __ ist eine Zusammenfassung der Polarität jedes Wortes __. Das Wort erhält einen Wert von __ "-1 bis + 1" __, und je größer der Wert, desto positiver und je kleiner der Wert, desto negativer.

Morphologische Analyse

・ (Überprüfung) __ Morphologische Analyse __ besteht darin, einen Satz in die kleinste Einheit zu unterteilen, die als Wort __ bezeichnet wird. Wenn Sie es zu einem Wort machen, können Sie auf das __polarity dictionary __ verweisen. Sie können morphologische Analysen mit MeCab usw. durchführen. Darüber hinaus enthält das Folgende auch viele Überprüfungsinhalte, die jedoch alle diesmal ausgeführt werden.

-Morphologische Analysen von MeCab können von __mecab.parse (Datei) __ durchgeführt werden, nachdem eine Instanz mit __MeCab.Tagger ('') __ erstellt wurde. __ Ein Wort pro Zeile __ Um jedes Wort zu trennen, speichern Sie es in "Zeilen" für jeden Zeilenumbruch mit __split ('\ n') __. Außerdem sind die letzten beiden Zeilen __ 'EOS (EndOfSplit?)' __ und __ leere Zeile __, also __ löschen . Außerdem werden die erstellten Zeilen für jedes Wort in " tab __ und __, __" unterteilt und in "diclist" gespeichert, sodass sie zu __ {'BaseForm': word} __ werden.

・ Code

Beziehen Sie sich auf das Wort im Polaritätswörterbuch und erhalten Sie den PN-Wert

• Eine Funktion, die die Aufgabe hat, in der Wortliste nach __Wörtern zu suchen, die von der im vorherigen Abschnitt des Polaritätswörterbuchs erstellten morphologischen Analysefunktion "get_diclist ()" zurückgegeben wurden, und die Polaritätswerte zu extrahieren, falls vorhanden. _ Erstellen Sie "add_pnvalue ()" __.
• Wenn Sie eine Funktion erstellen, konvertieren Sie zuerst das __polare Wörterbuch (pn_df) in ein Wörterbuch, in dem "Wort ist Schlüssel und PN-Wert ist Wert" __. Listen Sie ['Word'] und ['PN'] von pn_df auf und kombinieren Sie sie als "pn_dict" zu einem Wörterbuch. -Für add_pnvalue () für jedes Wort, dessen Schlüssel 'BaseForm' in jedem Element der Liste der übergebenen Wörter ist, __ Wenn sich dieses Wort in _pn_dict befindet, fügen Sie den Schlüssel 'PN' zur Wortliste hinzu _ Der PN-Wert des Wortes wird als Wert __ verwendet und in der leeren Liste "diclist_new" gespeichert und zurückgegeben. Wenn Sie den PN-Wert des Wortes in pn_dict wissen möchten, können Sie übrigens "pn_dict [word]" verwenden.

·Code

Zusammenfassung

・ __Negativ-Positive Analyse __ soll beurteilen, ob die Bemerkungen oder Ideen einer Person positiv oder negativ sind. Die negative / positive Analyse wird mit dem __polaren Wörterbuch __ durchgeführt. -Um eine negative / positive Analyse mit dem Polaritätswörterbuch durchzuführen, muss eine __morphologische Analyse des Satzes durchgeführt werden, damit auf das Polaritätswörterbuch verwiesen werden kann.

Diese Zeit ist vorbei. Vielen Dank für das Lesen bis zum Ende.