snownlp
是一个简单易用的 Python 库,专为处理中文文本而设计。它基于自然语言处理技术,提供了多种功能,包括分词、词性标注、情感分析、文本转换(简繁转换)等。这个库的核心优势在于对中文文本的处理能力,尤其是情感分析功能。
主要功能
-
分词(Tokenization):将长文本划分为单独的词汇。
-
词性标注(Part-of-Speech Tagging):标注文本中每个词汇的词性,如名词、动词等。
-
情感分析(Sentiment Analysis):判断文本的情感倾向是正面还是负面。
-
文本转换(Text Conversion):实现简体和繁体中文之间的转换。
-
关键词提取(Keywords Extraction):提取文本中的关键词。
-
摘要生成(Summarization):从文本中提取关键句生成摘要。
-
短语提取(Phrase Extraction):从文本中提取短语。
安装
snownlp
可以通过 pip 安装:
python
pip install snownlp
示例
以下是使用snownlp
进行各种处理的一些基本示例:
分词
python
from snownlp import SnowNLP
text = """
中新社北京2023年12月29日电(记者 刘育英)中国工信部12月29日发布的《工业和信息化部等八部门关于加快传统制造业转型升级的指导意见》提出,到2027年,中国传统制造业在全球产业分工中的地位和竞争力进一步巩固增强。传统制造业是中国制造业的主体,石化化工、钢铁、有色、建材、机械、汽车、轻工、纺织等传统制造业增加值占中国全部制造业的比重近80%。但中国传统制造业"大而不强""全而不精"问题仍然突出,低端供给过剩和高端供给不足并存,创新能力不强,产业基础不牢,资源约束趋紧,要素成本上升,巩固提升竞争优势面临较大挑战。指导意见提出,到2027年,传统制造业高端化、智能化、绿色化、融合化发展水平明显提升,有效支撑制造业比重保持基本稳定,在全球产业分工中的地位和竞争力进一步巩固增强。工业企业数字化研发设计工具普及率、关键工序数控化率分别超过90%、70%,工业能耗强度和二氧化碳排放强度持续下降,万元人民币工业增加值用水量较2023年下降13%左右,大宗工业固体废物综合利用率超过57%。
"""
#分词
s = SnowNLP(text)
print(s.words)
词性标注
python
tags = [word.tag for word in SnowNLP(text).tags]
print(tags)
情感分析
python
#情感分析
sentiment = SnowNLP(text).sentiments
print(sentiment)
s.sentiments
是SnowNLP
库中用于情感分析的功能。这个情感分数是一个介于0到1之间的浮点数,用于表示文本的情感倾向。分数越接近1,表示文本的情感倾向越正面;分数越接近0,表示文本的情感倾向越负面。
文本转换(简繁转换)
python
#简繁转化
traditional = SnowNLP(text).han
print(traditional)
还是简体,这个功能不一定有效。。。
关键词提取
python
#提取关键词
keywords = SnowNLP(text).keywords(limit=5)
print(keywords)
摘要生成
python
#总结摘要
summary = SnowNLP(text).summary(3)# 提取3个句子作为摘要
print(summary)
提取关键词和生成摘要的效果还不错。
依存句法分析:
分析文本中词语之间的依存关系。
python
s = SnowNLP(text)
dependency = s.tags # 获取依存关系
for item in dependency:
print(item)
就是词性标注。没啥区别。
文本分类:
对文本进行分类(需要自行训练模型)。
python
#文本分类:对文本进行分类(需要自行训练模型)。
# 首先需要有一些标注好的数据进行训练
# 例如:snownlp.SnowNLP([[words, tags], ...])
# 然后使用save方法保存训练好的模型
# 首先需要有一些标注好的数据进行训练
转换成拼音:
将中文文本转换成拼音。
python
s = SnowNLP(text)
pinyin = s.pinyin
print(pinyin)
这个功能还挺实用的。
词频统计:
对文本中的词频进行统计。
python
s = SnowNLP(text)
words_count = s.tf
print(words_count)
这个...不是词频是字频吧
注意事项
snownlp
对于情感分析提供了预训练模型,但这个模型可能不适用于所有类型的文本。对于特定领域或特定文体的文本,可能需要额外的训练来优化结果。- 库的准确性在很大程度上依赖于数据质量和数据量,对于复杂或特殊的文本内容,可能需要进一步的自定义处理或训练。
snownlp
是处理中文文本的强大工具,但它的功能和准确性可能会受限于所使用的数据和特定应用场景。
虽然代码是gpt写的,但是我都运行了的,是可以跑的,这篇算是这个库的简单使用。其中的一些功能,词频统计,关键词提取,情感分析,生成摘要,转化拼音。还是很实用的功能。以后会有场景用得上的。
创作不易,看官觉得写得还不错的话点个关注和赞吧,本人会持续更新python数据分析领域的代码文章~(需要定制代码可私信)