本文實例講述了Python實現購物評論文本情感分析操作。分享給大家供大家參考，具體如下：

昨晚上發現了snownlp這個庫，很開心。先說說我開心的原因。我本科畢業設計做的是文本挖掘，用R語言做的，發現R語言對文本處理特別不友好，沒有很多強大的庫，特別是針對中文文本的，加上那時候還沒有學機器學習算法。所以很頭疼，后來不得已用了一個可視化的軟件RostCM，但是一般可視化軟件最大的缺點是無法調參，很死板，準確率并不高?，F在研一，機器學習算法學完以后，又想起來要繼續學習文本挖掘了。所以前半個月開始了用python進行文本挖掘的學習，很多人都推薦我從《python自然語言處理》這本書入門，學習了半個月以后，可能本科畢業設計的時候有些基礎了，再看這個感覺沒太多進步，并且這里通篇將nltk庫進行英文文本挖掘的，英文文本挖掘跟中文是有很大差別的，或者說學完英文文本挖掘，再做中文的，也是完全懵逼的。所以我停了下來，覺得太沒效率了。然后我在網上查找關于python如何進行中文文本挖掘的文章，最后找到了snownlp這個庫，這個庫是國人自己開發的python類庫，專門針對中文文本進行挖掘，里面已經有了算法，需要自己調用函數，根據不同的文本構建語料庫就可以，真的太方便了。我只介紹一下這個庫具體應用，不介紹其中的有關算法原理，因為算法原理可以自己去學習。因為我在學習這個庫的時候，我查了很多資料發現很少或者基本沒有寫這個庫的實例應用，很多都是轉載官網對這個庫的簡介，所以我記錄一下我今天的學習。

首先簡單介紹一下這個庫可以進行哪些文本挖掘。snownlp主要可以進行中文分詞（算法是Character-Based Generative Model）、詞性標注（原理是TnT、3-gram 隱馬）、情感分析（官網木有介紹原理，但是指明購物類的評論的準確率較高，其實是因為它的語料庫主要是購物方面的，可以自己構建相關領域語料庫，替換原來的，準確率也挺不錯的）、文本分類（原理是樸素貝葉斯）、轉換拼音、繁體轉簡體、提取文本關鍵詞（原理是TextRank）、提取摘要（原理是TextRank）、分割句子、文本相似（原理是BM25）。官網還有更多關于該庫的介紹，在看我這個文章之前，建議先看一下官網，里面有最基礎的一些命令的介紹。官網鏈接：https://pypi.python.org/pypi/snownlp/0.11.1。

PS：可以直接使用pip install snownlp 命令進行snownlp模塊的快速安裝（注：這里要求pip版本至少為18.0）。

下面正式介紹實例應用。主要是中文文本的情感分析，我今天從京東網站采集了249條關于筆記本的評論文本作為練習數據，由于我只是想練習一下，沒采集更多。然后人工標注每條評論的情感正負性，情感正負性就是指該條評論代表了評論者的何種態度，是褒義還是貶義。以下是樣例