关于文本情感分析的问题

# codingutf-8 from collections import defaultdict import os import jieba import re import codecs # 定义一个空集合用于存储停用词 stopwords set() # 打开停用词文件以只读方式读取 fr open(停用词.txt, r, encodingutf-8) # 遍历文件中的每一行将每一行去除首尾空格后添加到停用词集合中 for word in fr: stopwords.add(word.strip()) # 打开否定词文件以读写方式读取 not_word_file open(否定词.txt, r, encodingutf-8) # 读取否定词文件中的每一行并将每一行去除首尾空格后添加到否定词列表中 not_word_list not_word_file.readlines() not_word_list [word.strip() for word in not_word_list] # 打开程度副词文件以读写方式读取 degree_file open(程度副词.txt, r, encodingutf-8) # 读取程度副词文件中的每一行并将每一行以逗号分隔取第一个元素后添加到程度副词列表中 degree_list degree_file.readlines() degree_list [item.split(,)[0] for item in degree_list] # 打开一个新文件以写入方式打开 with open(stopwords.txt, w, encodingutf-8) as f: # 遍历停用词集合中的每一个元素 for word in stopwords: # 如果该元素不在否定词列表和程度副词列表中则将该元素写入新文件中 if (word not in not_word_list) and (word not in degree_list): f.write(word \n) # 定义一个函数用于对句子进行分词 def seg_word(sentence): # 使用jieba库对句子进行分词 seg_list jieba.cut(sentence) # 定义一个空列表用于存储分词结果 seg_result [] # 遍历分词结果 for i in seg_list: # 将分词结果添加到列表中 seg_result.append(i) # 定义一个空集合用于存储停用词 stopwords set() # 打开停用词文件以只读方式读取 with open(stopwords.txt, r, encodingutf-8) as fr: # 遍历文件中的每一行将每一行去除首尾空格后添加到停用词集合中 for i in fr: stopwords.add(i.strip()) # 返回一个列表该列表中包含分词结果中不在停用词集合中的元素 return list(filter(lambda x: x not in stopwords, seg_result)) # 定义一个函数用于对分词结果进行分类 def classify_words(word_list): # 打开情感词文件以读写方式读取 sen_file open(BosonNLP_sentiment_score.txt, r, encodingutf-8) # 读取情感词文件中的每一行并将每一行以空格分隔取第一个元素和第二个元素后添加到情感词列表中 sen_list sen_file.readlines() # 定义一个空字典用于存储情感词 sen_dict defaultdict() for i in sen_list: if len(i.split( )) 2: sen_dict[i.split( )[0]] i.split( )[1] # 打开否定词文件以读写方式读取 not_word_file open(否定词.txt, r, encodingutf-8) # 读取否定词文件中的每一行并将每一行去除首尾空格后添加到否定词列表中 not_word_list not_word_file.readlines() # 打开程度副词文件以读写方式读取 degree_file open(程度副词.txt, r, encodingutf-8) # 读取程度副词文件中的每一行并将每一行以逗号分隔取第一个元素后添加到程度副词列表中 degree_list degree_file.readlines() # 定义一个空字典用于存储程度副词 degree_dict defaultdict() for i in degree_list: degree_dict[i.split()[0]] i.split()[0] # 定义三个空字典用于存储情感词、否定词和程度副词 sen_word dict() not_word dict() degree_word dict() # 遍历分词结果 for i in range(len(word_list)): # 获取分词结果中的每一个元素 word word_list[i] # 如果该元素在情感词字典中且不在否定词列表和程度副词字典中则将该元素添加到情感词字典中 if word in sen_dict.keys() and word not in not_word_list and word not in degree_dict.keys(): sen_word[i] sen_dict[word] # 如果该元素在否定词列表中且不在程度副词字典中则将该元素添加到否定词字典中 elif word in not_word_list and word not in degree_dict.keys(): not_word[i] -1 # 如果该元素在程度副词字典中则将该元素添加到程度副词字典中 elif word in degree_dict.keys(): degree_word[i] degree_dict[word] # 关闭文件 sen_file.close() not_word_file.close() degree_file.close() # 返回情感词字典、否定词字典和程度副词字典 return sen_word, not_word, degree_word # 定义一个函数用于计算情感得分 # 定义一个函数用于计算句子的情感得分 def score_sentiment(sen_word, not_word, degree_word, seg_result): # 初始化权重为1 W 1 # 初始化情感得分为0 score 0 # 初始化情感索引为-1 sentiment_index -1 # 将情感词的索引存入列表 sentiment_index_list list(sen_word.keys()) # 遍历分词结果 for i in range(0, len(seg_result)): # 如果当前词是情感词 if i in sen_word.keys(): # 情感得分加上权重乘以情感词的得分 score W * float(sen_word[i]) # 情感索引加1 sentiment_index 1 # 如果情感索引小于情感词索引列表的长度减1 if sentiment_index len(sentiment_index_list) - 1: # 遍历情感词索引之间的词 for j in range(sentiment_index_list[sentiment_index], sentiment_index_list[sentiment_index 1]): # 如果当前词是否定词 if j in not_word.keys(): # 权重乘以-1 W * -1 # 如果当前词是程度词 elif j in degree_word.keys(): # 权重乘以程度词的得分 W * float(degree_word[j]) # 情感索引加1 sentiment_index 1 # 如果情感索引小于情感词索引列表的长度减1 if sentiment_index len(sentiment_index_list) - 1: # 将i设置为情感词索引列表中下一个情感词的索引 i sentiment_index_list[sentiment_index 1] # 返回情感得分 return score # 定义一个函数用于计算句子的情感得分 def sentiment_score(sentence): # 对句子进行分词 seg_list seg_word(sentence) # 对分词结果进行情感词、否定词、程度词的分类 sen_word, not_word, degree_word classify_words(seg_list) # 计算情感得分 score score_sentiment(sen_word, not_word, degree_word, seg_list) # 返回情感得分 return score主要实现了对文本情感倾向的分析数值大小表示文本情感倾向的强烈程度正负号表示文本情感倾向如 - 代表消极情绪在整段代码功能实现的过程中主要遇见了3个问题PermissionError: [Errno 13] Permission denied这个问题的原因是文件的权限不够需要改文件属性当文件是只读属性时会报错Traceback (most recent call last):File d:\vscode_come\from collections import defaultdict.py, line 12, in modulenot_word_file open(否定词.txt, r, encodingutf-8)^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^PermissionError: [Errno 13] Permission denied: 否定词.txt我在这篇文章中找到Permission denied是一个常见的错误提示表示当前用户没有足够的权限来执行某个操作。但实际上这时报错是因为文件是只读属性的我想这背后有一定的相关性因为文章中说这种错误常见于Linux系统。当然这个文件的解决办法可能不止这一种在这篇文章中还提到了另一种解决办法不过我并没有用上。2.在过程中我还碰到了索引超出的问题但实际上我并没有做出任何处理接解决了不过我还是可以给大家讲一下我的尝试主要是尝试这几篇文章中的内容3.第三个问题是‘‘这是我两年前的课程作业时间太长已经忘记了两年前写的博客中间电脑坏了没发已经找不到问题在哪里了’’