NLP学习笔记04：情感分析实践练习实现说明

作者：Ye Shun

日期：2026-04-15

一、说明

这份文档对应《NLP学习笔记04：情感分析------从词典方法到 BERT》中的三个实践练习，我已经分别实现成了三份独立脚本放在压缩包中，方便学习和运行。

对应文件如下：

NLP学习笔记04_实践练习01_VADER电影评论.py
NLP学习笔记04_实践练习02_机器学习方法比较.py
NLP学习笔记04_实践练习03_BERT方面级情感分析.py

二、练习1：VADER 电影评论情感分析

目标

使用 NLTK 的 VADER 情感词典，在 movie_reviews 电影评论数据集上进行情感分类，并测试准确率。

实现内容

自动加载 movie_reviews 数据集
自动加载 vader_lexicon
使用 VADER 对测试集文本进行情感打分
输出准确率、分类报告和混淆矩阵

文件

NLP学习笔记04_实践练习01_VADER电影评论.py

运行方式

bash 复制代码

python NLP学习笔记04_实践练习01_VADER电影评论.py

依赖

nltk
scikit-learn

注意

如果本地没有对应 NLTK 资源，脚本会尝试自动下载：

movie_reviews
vader_lexicon

如果当前环境无法联网，就需要你手动准备这些资源。

三、练习2：比较不同机器学习方法

目标

分别使用朴素贝叶斯、SVM 和逻辑回归训练情感分类器，并通过交叉验证比较它们的性能差异。

实现内容

使用 movie_reviews 作为数据集
使用 TF-IDF 作为文本表示方法
训练三类模型：
- MultinomialNB
- LinearSVC
- LogisticRegression
使用 5 折交叉验证比较 accuracy 和 f1_macro
自动选出最佳模型，并在留出测试集上再评估一次

文件

NLP学习笔记04_实践练习02_机器学习方法比较.py

运行方式

bash 复制代码

python NLP学习笔记04_实践练习02_机器学习方法比较.py

依赖

nltk
scikit-learn

四、练习3：BERT 方面级情感分析

目标

使用预训练 BERT 模型，在 SemEval 2014 餐厅评论数据集上进行微调，实现一个可以同时提取方面词并判断情感极性的端到端系统。

实现思路

这次实现没有采用"先提取方面、再单独分类"的流水线，而是采用了一个联合标签方案：

O
B-POS, I-POS
B-NEG, I-NEG
B-NEU, I-NEU
B-CONF, I-CONF

也就是说，一个 BERT Token Classification 模型可以同时完成：

方面抽取
情感极性判断

这是一种真正的端到端实现方式。

文件

NLP学习笔记04_实践练习03_BERT方面级情感分析.py

支持的数据格式

脚本默认读取 SemEval 2014 Restaurant Reviews 的 XML 文件，例如：

Restaurants_Train_v2.xml
Restaurants_Test_Gold.xml

脚本会自动解析：

句子文本
方面词 term
情感极性 polarity
字符级起止位置 from / to

运行示例

bash 复制代码

python NLP学习笔记04_实践练习03_BERT方面级情感分析.py ^
  --train-file data\Restaurants_Train_v2.xml ^
  --test-file data\Restaurants_Test_Gold.xml ^
  --model-name bert-base-uncased ^
  --output-dir outputs\absa_bert

输出内容

训练完成后，会在输出目录下保存：

微调后的模型
token_metrics.json
span_metrics.json
sample_predictions.json

其中：

token_metrics.json 是 token 级别指标
span_metrics.json 是端到端方面抽取 + 情感判断的 span 级指标
sample_predictions.json 保存部分预测样例，方便人工检查

依赖

torch
transformers
numpy
accelerate

注意

这个练习比前两个复杂很多，常见前提包括：

需要本地有 SemEval 2014 数据集
需要本地能加载预训练 BERT 模型
训练过程最好有 GPU，但 CPU 也能跑，只是会更慢

如果当前环境不能联网下载模型，建议提前把 bert-base-uncased 下载到本地，再把 --model-name 改成本地目录。

五、建议的学习顺序

建议按下面的顺序练习：

先跑练习1，理解词典法怎么做情感分析
再跑练习2，对比传统机器学习模型的性能差异
最后做练习3，理解端到端方面级情感分析的完整流程

这样会更容易看清楚情感分析技术的演进路径：

词典规则
传统机器学习
预训练语言模型

六、最后说明

由于当前很多环境都可能存在：

Python 路径异常
无法联网下载 NLTK 资源
无法联网下载 BERT 模型
缺少 torch 或 transformers

所以这三份脚本都尽量写成了"有清晰依赖提示、结构完整、可直接复用"的形式。即便当前环境不能立即跑通，后续换到正常 Python 环境里，也可以直接使用。