情绪理解是文本处理里最常见任务之一。现提供一个五类情绪字典(由情绪词组成,5个文件,人工标注),实现一个情绪分析工具,并利用该工具对10000条新浪微博进行测试和分析(一行一条微博)。微博数据见课程中心weibo.txt,字典数据见公开数据中的emotion lexicon
(https://doi.org/10.6084/m9.figshare.12163569.v2)。请按要求用函数进行功能封装,并在main中调用测试,鼓励尝试不同方式的可视化。
1. 实现一个函数,对微博数据进行清洗,去除噪声(如url等),过滤停用词。注意分词的
时候应该将情绪词典加入Jieba的自定义词典,以提高这些情绪词的识别能力。
2.实现两个函数,实现一条微博的情绪分析,返其情绪向量或情绪值。目前有两种方法,一是认为一条微博的情绪是混合的,即一共有n个情绪词,如果joy有n1个,则joy的比例是 n1/n;二是认为一条微博的情绪是唯一的,即n个情绪词里,anger的情绪词最多,则该微博的情绪应该为anqrv。注意,这里要求用闭包实现,尤其是要利用闭包实现一次加载情绪词典且局部变量持久化的特点。同时,也要注意考虑一些特别的情况,如无情绪词出现,不同情绪的情绪词出现数目一样等,并予以处理(如定义为无情绪,便于在后面的分析中去除)。
3、微博中包含时间,可以讨论不同时间情绪比例的变化趋势,实现一个函数,可以通过参数来控制并返回对应情绪的时间模式,如joy的小时模式,sadness的周模式等。
4.微博中包含空间,可可以讨论情绪的空间分布,实现一个函数,可以通过参数来控制并返回对应情绪的空间分布,即围绕某个中心点,随着半径增加该情绪所占比例的变化,中心点可默认值可以是城市的中心位置。
5. (附加)讨论字典方法进行情绪理解的优缺点,有无可能进一步扩充字典来提高情绪识别的准确率?
6. (附加)可否对情绪的时间和空间分布进行可视化?(如通过matplotlib绘制曲线,或者用pyecharts(注意版本的兼容性)在地图上标注不同的情绪)
7.(附加)思考情绪时空模式的管理意义?

目录

一、源代码

二、功能实现

1.评论清洗

2.对每条评论的情绪、地理位置、时间进⾏标准

3.情绪的时间模式

4.围绕中⼼点的情绪⽐例

5.在北京地图上进⾏情绪点的可视化

三、⼀些思考

1.字典⽅法进⾏情绪理解的优缺点

2.情绪时空模式的管理意义

四、参考⽂章

]+|\(([^\s()]+|(\([^\s()]+\)))*\))+(?:\(([^\s()]+|(\([^\s()]+\)))*\)|[^\s`!()\[\]{};:\'”.,?«»“”‘’]))’,re.IGNORECASE) com = re.sub(URL_REGEX, “”, com) # 去除网址 com = com.replace(“我在:”, “”) # 去除无意义的词语 com = com.replace(“我在这里:”,””) com = re.sub(r”\s+”, ” “, com) # 合并正文中过多的空格 #将每一行清洗后评论写入path路径 after_clean = open(path,’a’,encoding=’utf-8′) after_clean.write(com+’\n’) return path def Label_comment(path,emotion_path): ”’提取出每条评论的情绪、时间、地点。其中使用了闭包函数”’ emotions_list = [] #一个二维列表 for i in range(5): with open(emotion_path[i],’r’,encoding=’utf-8′) as f: x= f.read().splitlines() #按行分词将文件变成列表 emotions_list.append(x) #Cut()为内嵌函数 def Cut(): nonlocal emotions_list #将之前生成了情绪列表传入 nonlocal path #将清洗好的评论文件路径传入 #按path路径读入清洗后的评论文件 with open(path,’r’,encoding=’utf-8′) as f: comments = f.read().splitlines() location = [] #存放经纬度列表 time = [] #存放时间的列表 emotion = [] #存放情绪的列表 for com in comments: #对评论进行遍历 emo_dict = {‘anger’:0,’disgust’:0,’fear’:0,’joy’:0 ,’sadness’:0} #对每条评论创建一个初始情绪字典 t = com[-30:] #时间为一条评论的后30个字符 a = com.index(‘]’) #对‘]’进行定位 l = com[1:a] #l为储存经纬度 time.append(t) #往时间列表中加入t location.append(l) #往经纬度列表中加入l sentence = com[a+1:-30] #为评论的正文 #print(sentence) words = jieba.lcut(sentence) #用jieba库进行分词 #依次对其在不同情绪字典中进行判断 for word in words: if word in emotions_list[0]: emo_dict[‘anger’] += 1 elif word in emotions_list[1]: emo_dict[‘disgust’] += 1 elif word in emotions_list[2]: emo_dict[‘fear’] += 1 elif word in emotions_list[3]: emo_dict[‘joy’] += 1 elif word in emotions_list[4]: emo_dict[‘sadness’] += 1 else: pass #找出字典中对应最大的值,所对应的键,作为该条评论情绪标签 emotion.append(max(emo_dict,key = emo_dict.get)) return emotion,location,time return Cut def time_plot(emotion,time): ”’通过参数来控制并返回对应情绪的时间模式,其中我们要选择情绪标签和时间周期两个参数”’ #使用easygui库来实现Gui的可视化参数选择 emo = g.buttonbox(“选择一个要分析的情绪”,choices = (‘anger’,’disgust’,’fear’,’joy’,’sadness’)) trend = g.buttonbox(‘选择分析的时间趋势’,choices = (‘hour’,’month’,’week’)) n = len(emotion) #n = len(emotion) = len(location) = len(time) #对time中的数据进行进一步的切割 weeks = [i[0:3] for i in time] months = [i[4:7] for i in time] hours = [i[11:13] for i in time] #创建星期字典 week_dict = {‘Mon’:0,’Tue’:0,’Wed’:0,’Thu’:0,’Fri’:0,’Sat’:0,’Sun’:0} #创建月份字典 month = [‘Jan’,’Feb’,’Mar’,’Apr’,’May’,’Jun’,’Jul’,’Aug’,’Sep’,’Oct’,’Nov’,’Dec’] month_dict = {} month_dict = month_dict.fromkeys(month,0) #创建小时字典 hour_dic = [‘{:0>2d}’.format(i) for i in range(1,25)] #format的使用是为了两位对齐 hour_dict = {} hour_dict = hour_dict.fromkeys(hour_dic,0) #根据所选trend参数来绘制不同的图形 if trend == ‘hour’: for i in range(n): if emo == emotion[i] and hours[i] in hour_dic: #emo为所选情绪参数 hour_dict[hours[i]] += 1 #由情绪字典绘图 x = list(hour_dict.values()) y = list(hour_dict.keys()) plt.plot(y,x) plt.xlabel(“hours”)#横坐标名字 plt.ylabel(“times”)#纵坐标名字 plt.legend(loc = “best”)#图例 elif trend == ‘month’: for i in range(n): if emo == emotion[i] and months[i] in [‘Jan’,’Feb’,’Mar’,’Apr’,’May’,’Jun’,’Jul’,’Aug’,’Sep’,’Oct’,’Nov’,’Dec’]: #emo为所选参数 month_dict[months[i]] += 1 #由情绪字典绘图 x = list(month_dict.values()) y = list(month_dict.keys()) plt.plot(y,x) plt.xlabel(“months”)#横坐标名字 plt.ylabel(“times”)#纵坐标名字 plt.legend(loc = “best”)#图例 else: for i in range(n): if emo == emotion[i] and weeks[i] in [‘Mon’,’Tue’,’Wed’,’Thu’,’Fri’,’Sat’,’Sun’]: #emo为所选参数 month_dict[weeks[i]] +=1 #由情绪字典绘图 x = list(week_dict.values()) y = list(week_dict.keys()) plt.plot(y,x) plt.xlabel(“weeks”)#横坐标名字 plt.ylabel(“times”)#纵坐标名字 plt.legend(loc = “best”)#图例def Distance(location,emotion,limit): ”’这是显示距离中心距离内的情绪占比图”’ certen = [39.90,116.38] #定义北京天安门为中心 #初始定义一个情绪字典 emo_dict = {‘anger’:0,’disgust’:0,’fear’:0,’joy’:0,’sadness’:0} n = len(location) #n = len(emotion) = len(location) = len(time) for i in range(n): a,b = location[i].split(‘,’) a = eval(a);b = eval(b) #a是维度,b是经度 distance = ((a-certen[0])**2+(b-certen[1])**2)**0.5 #计算两点的直线距离 if limit >= distance: #距离需要小于等于限制值 emo_dict[emotion[i]] += 1 #由情绪字典绘制饼图 label = list(emo_dict.keys()) size = list(emo_dict.values()) plt.pie(size,labels=label,shadow=True) def test_geo(emotion,location): ”’在北京地图对情绪的空间分布进行可视化”’ emo = {‘sadness’:5,’joy’:15,’fear’:25,’disgust’:35,’anger’:45} g = Geo() data_pair = [] g.add_schema(maptype=’北京’) for k in range(len(emotion)): a,b = location[k].split(‘,’) a = eval(a);b = eval(b) data_pair.append((emotion[k]+str(k),emo[emotion[k]])) #print(type(address_list[k])) g.add_coordinate(emotion[k]+str(k),b,a) # 定义坐标对应的名称,添加到坐标库中 add_coordinate(name, lng, lat) # 将数据添加到地图上 #print(data_pair) g.add(”, data_pair, type_=GeoType.EFFECT_SCATTER, symbol_size=5) # 设置样式 g.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 自定义分段 color 可以用取色器取色 pieces = [ {‘min’: 1, ‘max’: 10, ‘label’: ‘sadness’, ‘color’: ‘#3700A4’}, {‘min’: 10, ‘max’: 20, ‘label’: ‘joy’, ‘color’: ‘#81AE9F’}, {‘min’: 20, ‘max’: 30, ‘label’: ‘fear’, ‘color’: ‘#E2C568’}, {‘min’: 30, ‘max’: 40, ‘label’: ‘disgust’, ‘color’: ‘#FCF84D’}, {‘min’: 40, ‘max’: 50, ‘label’: ‘anger’, ‘color’: ‘#DD0200’} ] # is_piecewise 是否自定义分段, 变为true 才能生效 g.set_global_opts( visualmap_opts=opts.VisualMapOpts(is_piecewise=True, pieces=pieces), title_opts=opts.TitleOpts(title=”北京市-情绪分布地图”), ) return g def main(): emotion_path = Emo_list() add_word(emotion_path) #给jieba库加词 comments = Read_txt() path = Clean_txt(comments) #下面两行为闭包函数的调用 f1 = Label_comment(path, emotion_path) emotion,location,time = f1() #time_plot(emotion,time) limit = 1 #limit = eval(input(“请输入限制距离大小:”)) Distance(location,emotion,limit) #pyechars绘制北京地图 test_geo(emotion,location) g.render(‘beijing.html’) # 渲染成html, 可用浏览器直接打开 if __name__ == ‘__main__’: main()

二、功能实现

1.评论清洗

可以看到清洗之后的评论,少了很多url,还有⼀些重复⽤语。

2.对每条评论的情绪、地理位置、时间进⾏标准

情绪列表

时间列表

地点列表(经纬度)

3.情绪的时间模式

在这⼀部分中,我采⽤了可视化 Gui 来进⾏情绪和时间周期的选择 如下图

4.围绕中⼼点的情绪⽐例

将距离限制设置为 1

5.在北京地图上进⾏情绪点的可视化

我们发现,该微博数据集数据主要分布在北京的主城区

三、⼀些思考

1.字典⽅法进⾏情绪理解的优缺点

感觉单纯⽤分词对⼀句话进⾏分类会显得很单薄,中国⼈说话可能很委婉。同时,还有⼀些⼈正话反说,这会导致极⼤的误差

可以使⽤机器学习算法,对情绪字典中的词进⾏⾃动化扩充

2.情绪时空模式的管理意义

政府可以对舆情进⾏管理,可以对某些事件进⾏舆论监督。 品牌营销时,可以⽤情绪词观察⺠众对该品牌的情绪。

四、参考⽂章

https://blog.csdn.net/itnerd/article/details/103507420 https://blog.csdn.net/qq_36759224/article/details/104364007 https://blog.csdn.net/weixin_46530492/article/details/120484162 https://blog.csdn.net/qq_45943022/article/details/117532851 https://pyecharts.org/#/zh-cn/intro https://blog.csdn.net/qq_42420425/article/details/83313483 https://blog.csdn.net/pdcfighting/article/details/122227470