摘要：至于為什么選取樸素貝葉斯，很大一個(gè)原因是因?yàn)闃闼刎惾~斯在垃圾郵件分類上有不錯(cuò)的效果，而確定一個(gè)句子屬于那種情感，和判斷一封郵件是否為垃圾郵件有異曲同工之妙。

前段時(shí)間更新了一系列基礎(chǔ)的機(jī)器學(xué)習(xí)算法，感覺有些無味，而且恰好那時(shí)買了了國內(nèi)某公司的云服務(wù)器，就打算部署一套文本處理的WEB API，順別應(yīng)用一下之前學(xué)習(xí)到的機(jī)器學(xué)習(xí)算法。(文末放出地址)

本文不會(huì)涉及過于復(fù)雜的數(shù)學(xué)原理，主要講述如何提取特征與調(diào)用模型。

分詞
訪問/cut?sentence=&method=，其中sentence參數(shù)指明需要分詞的句子，method參數(shù)指明分詞的方式。

統(tǒng)計(jì)詞頻
訪問/count?sentence=&=method=,其中的參數(shù)說明和分詞的api一致。

情感分析
訪問/count?sentence=，因?yàn)槟壳笆轻槍渥拥?，因?b>sentence的范圍限制了在1~200詞之間。

本文重點(diǎn)講述情感分析的實(shí)現(xiàn)。

情感分析的應(yīng)用是多種多樣的，往大了說，可以用于國家對某個(gè)熱點(diǎn)進(jìn)行輿情監(jiān)控，選舉的選情分析，電商對產(chǎn)品的售后意向調(diào)查，往小了說還可以寫一個(gè)腳本對你女神的微博進(jìn)行關(guān)心,在女神不開心的時(shí)候及時(shí)送上關(guān)心。

至于情感分析的實(shí)現(xiàn)，在學(xué)術(shù)論文上均有提及，大致過程都可以分為提取情感極性詞,將語句轉(zhuǎn)化為向量,扔進(jìn)你訓(xùn)練好的模型里

在這里我們針對實(shí)際情況做出一定的修改，提取情感極性詞，必然是需要詞典來參考的，雖然各大語言機(jī)構(gòu)都有公開的詞典，，但并不建議使用這些詞典。其中一個(gè)原因是因?yàn)檫@些公開的詞典太過書面化，和“禮貌”，不太接近日常生活。因此這這里我采用的是自定義詞典，另外一點(diǎn)是，在提取關(guān)鍵詞部分不僅僅是提取情感相關(guān)的詞語，同時(shí)也使用其他日常用語，比如草泥馬,雖然不像開心,傷心這樣的情感極性詞，但草泥馬顯然具有明確的情感偏向。

值得說明的是，我們既然在提取特征詞的時(shí)候考慮到平常的詞語，同樣也就意味這一些亂七八糟的詞語會(huì)混進(jìn)來，所以我們在提取完特征詞后，同時(shí)計(jì)算它們的詞頻，只取頻率排名的前20%，(當(dāng)然這個(gè)數(shù)字可以根據(jù)自己需要調(diào)整)。

挑選的出來的特征詞就構(gòu)成了[word1,word2,word3……]，同時(shí)檢測訓(xùn)練樣本，若樣本中出現(xiàn)了特征詞，則該樣本的特征向量對應(yīng)位置置1，否則為0。

構(gòu)成特征向量后，我選取的算法是樸素貝葉斯，關(guān)于其原理，可以查看我支持的專欄機(jī)器學(xué)習(xí)從入門到放棄之樸素貝葉斯。至于為什么選取樸素貝葉斯，很大一個(gè)原因是因?yàn)?b>樸素貝葉斯在垃圾郵件分類上有不錯(cuò)的效果，而確定一個(gè)句子屬于那種情感，和判斷一封郵件是否為垃圾郵件有異曲同工之妙。

在sklearn中，只要添加如下代碼即可。

from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()
gnb = gnb.fit(feature, label)
result = gnb.predice(test)

上述api中涉及的分詞操作均是使用 結(jié)巴分詞 完成。

下面測試用例又黃又暴力，未成年觀眾在家長的陪同下觀看。

dudulu

目前只有情感分析的api的測試頁面

dudulu 
不得不說使用了必應(yīng)的背景圖來做自己網(wǎng)站的背景圖效果相當(dāng)不錯(cuò)。

希望大家多多調(diào)戲（目前語料只支持中文），后端的日志會(huì)記錄下測試記錄（算是收集數(shù)據(jù)），我會(huì)周期性上去更新模型，效果理論上會(huì)越變越好。