Question

我正在研究c＃中的情感分析，我已经完成了预处理，下一部分是基于词典的分析，为此我找到了大约6800字lexicon by Professor Bing Liu 的英语词典，其中包含两个文本文件，一个用于积极的和其他的是消极的。

我想我必须从这些文件中找到每个单词（情感词），要么是特定的单词是正面的还是负面的。但问题是，这些文件包含没有任何空格的单词，没有任何格式（意味着单个单词无法从文件中识别）。

那么如何在文件中找到该单词？或者还有其他方法可以让我轻松地使用它吗？

Answer 1

实际上，该文件每行包含一个单词，但行结尾是Unix样式而不是Windows，因此一些编辑器（如记事本）将在一行上显示所有内容。

您可以使用File.ReadAllLines轻松阅读这些字词（忽略以;开头的行，这些是注释）。

Answer 2

该文件使用\n作为行分隔符（与标准Windows \r\n不同）。所以，不要用 NotePad 或类似的方式打开它，用写字板来做。

要将文件加载到一个集合中（让它为HashSet<String> - 您可能想要测试一个单词是否在中是），您可以使用< EM> LINQ的：

  HashSet<String> positives = new HashSet<String>(File
    .ReadLines(@"C:\positive-words.txt")
    .Where(item => !String.isNullOrEmpty(item) && !item.StartsWith(";")));

  ....

  String testWord = ...

  if (positives.Contains(testWord)) {
    ...
  }

实际文件的内容为

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
; 
; Opinion Lexicon: Positive
...
;       frequently in social media content. 
;
;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

a+
abound
abounds
abundance
...
zenith
zest
zippy

Answer 3

该文件似乎包含换行符（\n）分隔的单词，因此最简单的方法是使用File.ReadAllLines读取文件。

var fileContents = File.ReadAllLines("negative-words.txt");
var words = new HashSet<string>(fileContents.SkipWhile(x => x.StartsWith(";") || x == String.Empty));

var containsWord = words.Contains("2-faced"); // The first valid word...

将内容放入HashSet可以查询内容，不需要字典。

如何在c＃中使用词典词典

3 个答案: