万达[1.6.8]
当前位置:主页 > 情感 >

详解基于朴素贝叶斯的情感分析及 Python 实现

2017-07-11 16:48  来源: 网络整理

  相对于「 基于词典的分析 」,「 基于机器学习 」的就不需要大量标注的词典,但是需要大量标记的数据,比如:

  还是下面这句话,如果它的标签是:

  服务质量 - 中 (共有三个级别,好、中、差)

  ╮(╯-╰)╭,其是机器学习,通过大量已经标签的数据训练出一个模型,

  然后你在输入一条评论,来判断标签级别

  宁馨的点评 国庆活动,用62开头的信用卡可以6.2元买一个印有银联卡标记的冰淇淋,

  有香草,巧克力和抹茶三种口味可选,我选的是香草口味,味道很浓郁。

  另外任意消费都可以10元买两个马卡龙,个头虽不是很大,但很好吃,不是很甜的那种,不会觉得腻。

  标签:服务质量 - 中

   朴素贝叶斯1、贝叶斯定理假设对于某个数据集,随机变量C表示样本为C类的概率,F1表示测试样本某特征出现的概率,套用基本贝叶斯公式,则如下所示:

  上式表示对于某个样本,特征F1出现时,该样本被分为C类的条件概率。那么如何用上式来对测试样本分类呢?

  举例来说,有个测试样本,其特征F1出现了(F1=1),那么就计算P(C=0|F1=1)和P(C=1|F1=1)的概率值。前者大,则该样本被认为是0类;后者大,则分为1类。

  对该公示,有几个概念需要熟知:

  先验概率(Prior)。P(C)是C的先验概率,可以从已有的训练集中计算分为C类的样本占所有样本的比重得出。

  证据(Evidence)。即上式P(F1),表示对于某测试样本,特征F1出现的概率。同样可以从训练集中F1特征对应样本所占总样本的比例得出。

  似然(likelihood)。即上式P(F1|C),表示如果知道一个样本分为C类,那么他的特征为F1的概率是多少。

  对于多个特征而言,贝叶斯公式可以扩展如下:

  分子中存在一大串似然值。当特征很多的时候,这些似然值的计算是极其痛苦的。现在该怎么办?

  2、朴素的概念为了简化计算,朴素贝叶斯算法做了一假设:“朴素的认为各个特征相互独立”。这么一来,上式的分子就简化成了:

  P(C)P(F1|C)P(F2|C)...P(Fn|C)。

  这样简化过后,计算起来就方便多了。

  这个假设是认为各个特征之间是独立的,看上去确实是个很不科学的假设。因为很多情况下,各个特征之间是紧密联系的。然而在朴素贝叶斯的大量应用实践实际表明其工作的相当好。

  其次,由于朴素贝叶斯的工作原理是计算P(C=0|F1...Fn)和P(C=1|F1...Fn),并取最大值的那个作为其分类。而二者的分母是一模一样的。因此,我们又可以省略分母计算,从而进一步简化计算过程。

  另外,贝叶斯公式推导能够成立有个重要前期,就是各个证据(evidence)不能为0。也即对于任意特征Fx,P(Fx)不能为0。而显示某些特征未出现在测试集中的情况是可以发生的。因此实现上通常要做一些小的处理,例如把所有计数进行+1(加法平滑 aDDitive smoothing,又叫拉普拉斯平滑 Laplace smothing)。而如果通过增加一个大于 0 的可调参数 alpha 进行平滑,就叫Lidstone 平滑

   基于朴素贝叶斯的情感分类原始数据集,只抽了10条

  读数据读取excel文件,用的pandas库的DataFrame的数据类型

  分词对每个评论分词,分词的同时去除停用词,得到如下词表

  每个列表是与评论一一对应的

  统计这里统计什么呢?统计两种数据

  1. 评论级别的次数

  这里有三个级别分别对应

  c0 → 好 2

  c1 → 中 3

  c2 → 差 5

  2. 每个词在句子中出现的次数

  得到一个字典数据

  evalation [2, 5, 3]

  半价 [0, 5, 0]

  划算 [1, 1, 0]

  不错 [0, 2, 0]

  ·········

  不满 [0, 1, 0]

  重要 [0, 1, 0]

  清楚 [0, 1, 0]

  具体 [0, 1, 0]

  每个词(特征)后的 list坐标位:0,1,2分别对应好,中,差

  以上工作完成之后,就是把模型训练好了,只不过数据越多越准确

  测试比如输入一个句子

  世纪联华(百联西郊购物中心店)的点评 一个号称国际大都市,收银处的人服务态度差到极点。银联活动30-10,还不可以连单。

  得到结果

  c2-差

  相关代码的 GitHub 地址:

  

  雷锋网(公众号:雷锋网)相关阅读:

  手把手教你如何用 Python 做情感分析

  睡前两小时打字最活跃,搜狗大数据通过机器学习分析你的网络行为

  雷锋网原创文章,未经授权禁止转载。详情见转载须知。

    精选图集

    今日阅读

    不看会后悔

    热点排行