[PYTHON] Text Emotionsanalyse mit ML-Ask

Chao …… †

Dieses Mal möchte ich Emotion Analysis Library ML-Ask vorstellen.

Was ML-Ask kann

Emotionen abschätzen

Durch Mustervergleich mit einem Wörterbuch mit 2.100 Wörtern schätzen wir 10 Arten von Emotionen: {Freude, Wut, Traurigkeit, Angst, Scham, Güte, Eifersucht, 昂, Billigkeit, Überraschung}. Diese 2.100 Wörter sollen auf dem Emotional Expression Dictionary basieren.

Emotionale Stärke

Schätzen Sie die Stärke der Emotionen anhand der Anzahl der Interphrasen, Nachahmungen, schlampigen Wörter, Embleme und "!"

Negative / positive Klassifizierung

Basierend auf den geschätzten Emotionen klassifizieren wir Sätze in drei Typen: {negativ, positiv und neutral}.

Kontextbezogene Überlegungen

Basierend auf dem Konzept der Contextual Valence Shifters (CVS) nehmen wir eine kontextsensitive emotionale Schätzung vor. Im Fall des Satzes "Ich mag es nicht" wird beispielsweise "Ich mag" verweigert, also "Ich mag". Ich nehme an, dass es das gegenteilige Gefühl ist: "Es tut mir leid".

Ob es aktiv ist

Klassifizieren Sie anhand der geschätzten Gefühle, ob ein Satz {AKTIV, NEUTRAL, PASSIV} ist. Zum Beispiel ist "昂" AKTIV und "Trauer" ist PASSIV.

ML-Ask Python-Implementierung

Es unterstützt sowohl die Python 2- als auch die Python 3-Serie.

Entwicklungs-Repository

https://github.com/ikegami-yukino/pymlask Contributions are welcome!

Installation

pip install pymlask

• Funktioniert nicht ohne MeCab

Wie benutzt man

from mlask import MLAsk
emotion_analyzer = MLAsk()
emotion_analyzer.analyze('Ich hasse ihn nicht!(;´Д`)')
# => {'text': 'Ich hasse ihn nicht!(;´Д`)',
#     'emotion': defaultdict(<class 'list'>,{'yorokobi': ['Hass*CVS'], 'suki': ['Hass*CVS'], 'iya': ['Nicht mögen']}),
#     'orientation': 'mostly_POSITIVE',
#     'activation': 'ACTIVE',
#     'emoticon': ['(;´Д`)'],
#     'intension': 2,
#     'intensifier': {'exclamation': ['！'], 'emotikony': ['(;´Д`)']},
#     'representative': ('yorokobi', ['Hass*CVS'])
#     }