Question

print(news['title'][5]) 7.5级地震袭击了秘鲁-厄瓜多尔边境地区-印度教

print(analyser.polarity_scores(news['title'][5])) {'neg'：0.0，'neu'：1.0，'pos'：0.0，'compound'：0.0}

from nltk.tokenize import word_tokenize, RegexpTokenizer

import pandas as pd

from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer


analyzer = SentimentIntensityAnalyzer()


sentence = news['title'][5]

tokenized_sentence = nltk.word_tokenize(sentence)
pos_word_list=[]
neu_word_list=[]
neg_word_list=[]

for word in tokenized_sentence:
    if (analyzer.polarity_scores(word)['compound']) >= 0.1:
        pos_word_list.append(word)
    elif (analyzer.polarity_scores(word)['compound']) <= -0.1:
        neg_word_list.append(word)
    else:
        neu_word_list.append(word)                

print('Positive:',pos_word_list)
print('Neutral:',neu_word_list)
print('Negative:',neg_word_list) 
score = analyzer.polarity_scores(sentence)
print('\nScores:', score)

正面：[] 中立：[“幅值”，“ 7.5”，“地震”，“命中”，“秘鲁-厄瓜多尔”，“边界”，“区域”，“-”，“ The”，“印度”] 负数：[]

得分：{'neg'：0.0，'neu'：1.0，'pos'：0.0，'compound'：0.0}

new_words = {
    'Peru-Ecuador': -2.0,
    'quake': -3.4,
}

analyser.lexicon.update(new_words)
print(analyzer.polarity_scores(sentence))

{'neg'：0.0，'neu'：1.0，'pos'：0.0，'compound'：0.0}

from nltk.tokenize import word_tokenize, RegexpTokenizer

import pandas as pd

from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer


analyzer = SentimentIntensityAnalyzer()


sentence = news['title'][5]

tokenized_sentence = nltk.word_tokenize(sentence)
pos_word_list=[]
neu_word_list=[]
neg_word_list=[]

for word in tokenized_sentence:
    if (analyzer.polarity_scores(word)['compound']) >= 0.1:
        pos_word_list.append(word)
    elif (analyzer.polarity_scores(word)['compound']) <= -0.1:
        neg_word_list.append(word)
    else:
        neu_word_list.append(word)                

print('Positive:',pos_word_list)
print('Neutral:',neu_word_list)
print('Negative:',neg_word_list) 
score = analyzer.polarity_scores(sentence)
print('\nScores:', score)

正面：[] 中立：[“幅值”，“ 7.5”，“地震”，“命中”，“秘鲁-厄瓜多尔”，“边界”，“区域”，“-”，“ The”，“印度”] 负数：[]

得分：{'neg'：0.0，'neu'：1.0，'pos'：0.0，'compound'：0.0}

Answer 1

您使用的代码绝对正确。更新字典时，您使用的是analyser而不是analyzer（不确定为什么没有错误）。

new_words = {
    'Peru-Ecuador': -2.0,
    'quake': -3.4,
}

analyzer.lexicon.update(new_words)
print(analyzer.polarity_scores(sentence))

输出：

{'neg': 0.355, 'neu': 0.645, 'pos': 0.0, 'compound': -0.6597}

更多警告（不确定您是否犯了此错误。）您不应该再次导入库。因为您更新的单词将消失。步骤应为：

导入图书馆和字典
更新字典（此步骤后，您不应再导入库）
计算情感分数

无法更新VADER词典

1 个答案: