在Python中使用 NRC Lexicon 进行情感分类

很多时候，对于现实世界的项目，情感识别往往只是项目的开始。那个时候在上面写一个完整的代码，不仅会增加时间，而且会阻碍效率。

NRCLexicon是 MIT 批准的pypi项目，由 Mark M. Bailey 设计，可预测给定文本的情绪和情感。该软件包包含大约 27,000 个单词，基于加拿大国家研究委员会 (NRC) 影响词典和NLTK库的WordNet同义词集。

安装：

要安装此模块，请在终端中键入以下命令。

pip install NRCLex

即使安装了这个模块，在运行程序时也可能会出现MissingCorpusError 。因此，建议在命令提示符下使用以下命令也安装textblob.download_corpora 。

python -m textblob.download_corpora

方法：

• 导入模块

Python3

# Import required modules
from nrclex import NRCLex

• 分配输入文本

蟒蛇3

# Assigning list of words
text = ['hate', 'lovely', 'person', 'worst']

• 为每个输入文本创建NRCLex对象。

蟒蛇3

for i in range(len(text)):
   
    # creating objects
    emotion = NRCLex(text[i])

• 应用方法对情绪进行分类。

Sr.	Method	Description
1	emotion.words	Return words list.
2	emotion.sentences	Return sentences list.
3	emotion.affect_list	Return affect list.
4	emotion.affect_dict	Return affect dictionary.
5	emotion.raw_emotion_scores	Return raw emotional counts.
6	emotion.top_emotions	Return highest emotions.
7	emotion.affect_frequencies	Return affect frequencies.

• 测量的情绪影响包括以下内容：

1. 害怕
2. 愤怒
3. 预期
4. 相信
5. 惊喜
6. 积极的
7. 消极的
8. 悲伤
9. 厌恶
10. 喜悦

下面是实现。

示例 1：

基于上述方法，下面的示例使用top_emotions 对各种情绪进行分类。

蟒蛇3

# Import module
from nrclex import NRCLex
 
# Assign list of strings
text = ['hate', 'lovely', 'person', 'worst']
 
# Iterate through list
for i in range(len(text)):
 
    # Create object
    emotion = NRCLex(text[i])
 
    # Classify emotion
    print('\n\n', text[i], ': ', emotion.top_emotions)

输出：

示例 2：

这里使用NCRLex模块的所有方法对单一情感爱进行分类。

蟒蛇3

# Import module
from nrclex import NRCLex
 
# Assign emotion
text = 'love'
 
# Create object
emotion = NRCLex(text)
 
# Using methods to classigy emotion
print('\n', emotion.words)
print('\n', emotion.sentences)
print('\n', emotion.affect_list)
print('\n', emotion.affect_dict)
print('\n', emotion.raw_emotion_scores)
print('\n', emotion.top_emotions)
print('\n', emotion.affect_frequencies)

输出：