中文自然语言处理库(SnowNLP)的简单使用

snownlp 是一个简单易用的 Python 库，专为处理中文文本而设计。它基于自然语言处理技术，提供了多种功能，包括分词、词性标注、情感分析、文本转换（简繁转换）等。这个库的核心优势在于对中文文本的处理能力，尤其是情感分析功能。

主要功能

1. 分词（Tokenization）：将长文本划分为单独的词汇。

2. 词性标注（Part-of-Speech Tagging）：标注文本中每个词汇的词性，如名词、动词等。

3. 情感分析（Sentiment Analysis）：判断文本的情感倾向是正面还是负面。

4. 文本转换（Text Conversion）：实现简体和繁体中文之间的转换。

5. 关键词提取（Keywords Extraction）：提取文本中的关键词。

6. 摘要生成（Summarization）：从文本中提取关键句生成摘要。

7. 短语提取（Phrase Extraction）：从文本中提取短语。

安装

snownlp 可以通过 pip 安装：

pip install snownlp

示例

以下是使用snownlp进行各种处理的一些基本示例：

分词

from snownlp import SnowNLP
 
text = """
中新社北京2023年12月29日电(记者 刘育英)中国工信部12月29日发布的《工业和信息化部等八部门关于加快传统制造业转型升级的指导意见》提出，到2027年，中国传统制造业在全球产业分工中的地位和竞争力进一步巩固增强。传统制造业是中国制造业的主体，石化化工、钢铁、有色、建材、机械、汽车、轻工、纺织等传统制造业增加值占中国全部制造业的比重近80%。但中国传统制造业“大而不强”“全而不精”问题仍然突出，低端供给过剩和高端供给不足并存，创新能力不强，产业基础不牢，资源约束趋紧，要素成本上升，巩固提升竞争优势面临较大挑战。指导意见提出，到2027年，传统制造业高端化、智能化、绿色化、融合化发展水平明显提升，有效支撑制造业比重保持基本稳定，在全球产业分工中的地位和竞争力进一步巩固增强。工业企业数字化研发设计工具普及率、关键工序数控化率分别超过90%、70%，工业能耗强度和二氧化碳排放强度持续下降，万元人民币工业增加值用水量较2023年下降13%左右，大宗工业固体废物综合利用率超过57%。
"""
#分词
s = SnowNLP(text)
print(s.words)

 

词性标注

tags = [word.tag for word in SnowNLP(text).tags]
print(tags)

 

 

情感分析

#情感分析
sentiment = SnowNLP(text).sentiments
print(sentiment)

 

s.sentiments是SnowNLP库中用于情感分析的功能。这个情感分数是一个介于0到1之间的浮点数，用于表示文本的情感倾向。分数越接近1，表示文本的情感倾向越正面；分数越接近0，表示文本的情感倾向越负面。 

文本转换（简繁转换）

#简繁转化
traditional = SnowNLP(text).han
print(traditional)

 

还是简体，这个功能不一定有效。。。

关键词提取

#提取关键词
keywords = SnowNLP(text).keywords(limit=5)
print(keywords)

 

摘要生成

 
#总结摘要
summary = SnowNLP(text).summary(3)# 提取3个句子作为摘要
print(summary)

 提取关键词和生成摘要的效果还不错。

依存句法分析：

分析文本中词语之间的依存关系。

s = SnowNLP(text)
dependency = s.tags  # 获取依存关系
for item in dependency:
    print(item)

 就是词性标注。没啥区别。

文本分类：

对文本进行分类（需要自行训练模型）。

#文本分类：对文本进行分类（需要自行训练模型）。
 
# 首先需要有一些标注好的数据进行训练
# 例如：snownlp.SnowNLP([[words, tags], ...])
# 然后使用save方法保存训练好的模型

# 首先需要有一些标注好的数据进行训练 

转换成拼音：

将中文文本转换成拼音。

s = SnowNLP(text)
pinyin = s.pinyin
print(pinyin)

这个功能还挺实用的。

词频统计：

对文本中的词频进行统计。

s = SnowNLP(text)
words_count = s.tf
print(words_count)

这个...不是词频是字频吧

---

注意事项

• snownlp 对于情感分析提供了预训练模型，但这个模型可能不适用于所有类型的文本。对于特定领域或特定文体的文本，可能需要额外的训练来优化结果。
• 库的准确性在很大程度上依赖于数据质量和数据量，对于复杂或特殊的文本内容，可能需要进一步的自定义处理或训练。

snownlp 是处理中文文本的强大工具，但它的功能和准确性可能会受限于所使用的数据和特定应用场景。

---

虽然代码是gpt写的，但是我都运行了的，是可以跑的，这篇算是这个库的简单使用。其中的一些功能，词频统计，关键词提取，情感分析，生成摘要，转化拼音。还是很实用的功能。以后会有场景用得上的。

---

创作不易，看官觉得写得还不错的话点个关注和赞吧，本人会持续更新python数据分析领域的代码文章~(需要定制代码可私信)