使用SVM模型对京东评价进行情感分析---【大白话版】_svm情感分析

前言

没错，是我 还是熟悉的配方 还是熟悉的配料 新的一年我带着我的所见即所学回来了！！

今天所要讲的是针对京东某商品的评价进行情感分析，京东评价的爬虫在我以前的文章有具体描写，这边就不在重复了，感兴趣的网友可以从下面的链接获取，我们这一次主要讲怎么使用SVM模型实现情感分析！
对了！！本篇文章对于SVM模型的理解和使用只是机器学习最简单的应用，不参与到大佬们最优模型的厮杀中！

最后老规矩 不想听我唠嗑的可以直接跳到最后一步获取代码！
因为本人技术有限，假如有些地方说的不好或者错误，欢迎讨论并指出，谢谢支持！

以下为我往期爬取京东评价的文章：
京东评价爬取详细版

一丶原理

提问：那么到底什么是机器学习？什么又是情感分析？
以下我将使用生活的例子并用大白话的方式来帮助大家理解。

在理解机器学习之前，可以先回答我一个问题。
这是什么？
----回答：小猫

这个呢？
----回答：小狗

为什么哪个是修猫 那个是修狗？
----回答：因为猫的眼睛 狗的眼睛 体型大小等等

为什么你能分辨出？是特征
每个小猫小狗都有其特征 因为我们看的足够多并且经过长期的生活经验 大脑能迅速判断出猫的耳朵这是小猫 狗的体型这是小狗。

好了 现在我用这段话的方式来阐述一些机器学习
计算机获得每个图片中对应的特征并将其分类 经过多次的训练 形成一个模型，模型能迅速判断出这张图片是什么

这就是机器学习中的图像识别的基本原理，无论是加油站的车牌识别或者是疫情当下的人脸识别，这些都是在图像识别的基础上应用起来的。

二丶代码实现

回到我们的重点上 什么是情感分析?
其实和图像识别类似，不仅仅在图像里 语句中也包含着特征值，我给你一句话“我很喜欢你” 提取这句话的关键词 你会选什么?
是的 “喜欢” 假如把这句话分解成【“我”， “”很“，”“喜欢”， “你”】每一个分词代表着一个数值，核心关键词数值最大，其他较小，数值依次相加得到最终结果，根据这个结果判断为正面或者负面 这个就是情感分析的核心原理！！！

所以 我们要做的是什么！！
1.计算每个分词的向量
2.计算每个句子的向量
3.判断
over！！是的 你没听错 就是这么简单！
步骤如下：

计算分词向量使用的word2Vec
什么是word2Vec我就不用官方的语言回答了 大家去网上找可以找得到很多。你可以直接理解为一个函数 将文本套入能映射出这个文本的高维空间向量

2.1 导入情感词典

情感词典就是一段文本 他有很多种 比如针对于新闻的 针对于商品评价的 或者范围更大一点的直接包含消极与积极所以文本的。情感词典能提供一个参考来告诉你这个分词是多少的权重。本文使用的是针对商品评价的情感词典。（情感词典大家可以自行在github或者网上查找）
我们要做的第一步是导入情感词典，并且将其分词 为后面的模型的训练做准备

#导入正面和负面文本为后续训练模型做准备
neg = pd.read_excel('data/neg.xls',header=None)#差评---总共0分
pos = pd.read_excel('data/pos.xls',header=None)#好评---总共1分

#因为word2vec只接受分词结果 这一步将文本进行分词
neg['words'] = neg[0].apply(lambda x: jieba.lcut(x))
pos['words'] = pos[0].apply(lambda x: jieba.lcut(x))
x = np.concatenate((pos['words'],neg['words']))#合并分词结果
#np.ones/np.zeros 产生指定个数的1和0
y = np.concatenate((np.ones(len(pos)),np.zeros(len(neg))))#建立x轴与y轴 让正面与负面文本可以相互匹配
1
2
3
4
5
6
7
8
9
10

2.2计算单个词语的高维向量

使用word2Vec 在使用之前需要初始化 并将维度设置为300 少于5次出现的词语并且抛弃不再使用

w2v = Word2Vec(vector_size=300, min_count=5)#初始化w2v的向量空间
#min_count = 5 出现次数少于5次就丢弃
w2v.build_vocab(x)
w2v.train(x, total_examples=w2v.corpus_count,epochs=5)#训练数据集 训练5次
#训练完成结束后得到每一个词的高维向量
#打印“我”这个高维向量的数值
# print(w2v.wv['我'])#则可打印出这个词语的向量数值
1
2
3
4
5
6
7

2.3计算句子高维向量

现在已经知道全部分词的高维向量了 只要带入句子 调用w2v则可以得到句子的高维向量

#计算句子的这个向量
def total_vec(words): #这里后面会传入单个句子
    vec = np.zeros(300).reshape(1, 300)#初始化一个特别的数组 这里能存放空间向量的数据 后面会传入个svm模型 判断是否积极消极
    for word in words:#words为句子 word为其中的分词
        try:
            vec += w2v.wv[word].reshape((1,300))#如果这个词存在就放进特殊的数组中
        except KeyError:#try的作用为排除丢弃下的词
            continue
    return vec
1
2
3
4
5
6
7
8
9

2.4训练模型

#训练SVM模型
#将所有句子的向量合并为一个数组 得到训练集
train_vec = np.concatenate([total_vec(words) for words in x])

model = SVC(kernel= 'rbf', verbose= True)#初始化SVM模型
model.fit(train_vec, y)#传入y空间向量 数据 开始构建模型

#joblib为保存模型的一个函数
joblib.dump(model,'data/svm_model.pkl')#保存模型
print('sucessful')#保存成功
1
2
3
4
5
6
7
8
9
10

2.5预测

读取模型 实现京东情感评价的预测

    df = pd.read_csv("分词.csv", encoding="gbk", index_col=0)
    print(df)
    for index, row in df.iterrows():
        i = row["内容"]
        words_vec = total_vec(i)
        result = model.predict(words_vec)
        # 运用模型中的函数 对句子空间向量进行预测？预测什么？返回一个结果 1 或者0

        coment_total.append('积极' if int(result[0]) else '消极')
        # 如果result[0]的结果为1 积极 否则消极
        if int(result[0]) == 1:
            print(i, '[积极]')
        else:
            print(i, '[消极]')
1
2
3
4
5
6
7
8
9
10
11
12
13
14

三丶完整代码

import jieba
import numpy as np
import pandas as pd
from gensim.models.word2vec import Word2Vec
import joblib
from sklearn.model_selection import cross_val_score
from sklearn.svm import SVC


#导入正面和负面文本为后续训练模型做准备
neg = pd.read_excel('data/neg.xls',header=None)#差评---0
pos = pd.read_excel('data/pos.xls',header=None)#好评---1

#因为word2vec只接受分词结果 这一步将文本进行分词
neg['words'] = neg[0].apply(lambda x: jieba.lcut(x))
pos['words'] = pos[0].apply(lambda x: jieba.lcut(x))


x = np.concatenate((pos['words'],neg['words']))#合并分词结果
#np.ones 产生指定个数的1和0
y = np.concatenate((np.ones(len(pos)),np.zeros(len(neg))))#建立x轴与y轴 让正面与负面文本可以相互匹配
# print(x)
# print(y)

#计算单个词的向量
w2v = Word2Vec(vector_size=300, min_count=5)#初始化w2v的向量空间
#size原本是指300个维度 变成了vector_sieze = 300 为什么是300？
#min_count = 5 出现次数少于5次就丢弃
w2v.build_vocab(x)

w2v.train(x, total_examples=w2v.corpus_count,epochs=5)#训练数据集 训练5次
#训练完成结束后得到每一个词的高维向量

#打印“我”这个高维向量的数值
# print(w2v.wv['我'])

#计算句子的这个向量
def total_vec(words): #这里后面会传入单个句子
    vec = np.zeros(300).reshape(1, 300)#初始化一个特别的数组 这里能存放空间向量的数据 后面会传入个svm模型 判断是否积极消极
    for word in words:#words为句子 word为其中的分词
        try:
            vec += w2v.wv[word].reshape((1,300))#如果这个词存在就放进特殊的数组中
        except KeyError:#try的作用为排除丢弃下的词
            continue
    return vec

#训练SVM模型
#将所有句子的向量合并为一个数组 得到训练集
# train_vec = np.concatenate([total_vec(words) for words in x])
#
# model = SVC(kernel= 'rbf', verbose= True)#初始化SVM模型
# model.fit(train_vec, y)#传入y空间向量 数据 开始构建模型
#
# #joblib为保存模型的一个函数
# joblib.dump(model,'data/svm_model.pkl')#保存模型
# print('sucessful')#保存成功

model = joblib.load('data/svm_model.pkl')#读取模型
#主函数：
def svm_predict():
    coment_total = []
    df = pd.read_csv("分词.csv", encoding="gbk", index_col=0)
    print(df)
    for index, row in df.iterrows():
        i = row["内容"]
        words_vec = total_vec(i)
        result = model.predict(words_vec)
        # 运用模型中的函数 对句子空间向量进行预测？预测什么？返回一个结果 1 或者0

        coment_total.append('积极' if int(result[0]) else '消极')
        # 如果result[0]的结果为1 积极 否则消极
        if int(result[0]) == 1:
            print(i, '[积极]')
        else:
            print(i, '[消极]')
            
svm_predict()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77

结果展示：

四丶总结：

本次的文章只是SVM模型最简单的使用 代码中肯定还有很多不足 以后有机会会继续完善补充 感谢大家这次的观看！！！下次见!