# douban_sentiment_analysis 基于朴素贝叶斯实现的豆瓣影评情感分析 语料来自与豆瓣Top250排行榜中的影评，基于Scrapy抓取，大约5w条影评，好评差评各占50%。 豆瓣影评爬虫 <https://github.com/3inchtime/douban_movie_review> 训练集与测试集4:1，结果准确率约为80%-79%之间。 因为电影评论中有很大一部分好评中会有负面情感的词语，例如在纪录片《海豚湾》 > 我觉得大部分看本片会有感的人，都不知道，中国的白暨豚已经灭绝8年了，也不会知道，长江里的江豚也仅剩1000左右了。与其感慨，咒骂日本人如何捕杀海豚，不如做些实际的事情，保护一下长江里的江豚吧，没几年，也将绝迹了。中国人做出来的事情，也不会比小日本好到哪儿去。 所以说如果将这种类似的好评去除，则可以提高准确率。 ```bash // 测试训练 python native_bayes_test.py Building prefix dict from the default dictionary ... Loading model from cache /tmp/jieba.cache Loading model cost 0.572 seconds. Prefix dict has been built succesfully. 训练集数量： 40906 测试集数量： 10226 测试集准确率： 0.8043380027112517

// 训练模型 python native_bayes_train.py Building prefix dict from the default dictionary ... Loading model from cache /tmp/jieba.cache Loading model cost 0.570 seconds. Prefix dict has been built succesfully. 训练集数量： 40906 测试集数量： 10226 训练完成 ``` #### Example ```Python from native_bayes_sentiment_analyzer import SentimentAnalyzer model_path = 'https://download.csdn.net/download/s44359487yad/data/bayes.pkl' userdict_path = 'https://download.csdn.net/download/s44359487yad/data/userdict.txt' stopword_path = 'https://download.csdn.net/download/s44359487yad/data/stopwords.txt' corpus_path = 'https://download.csdn.net/download/s44359487yad/data/review.csv' text = '倍感失望的一部诺兰的电影，感觉更像是盗梦帮的一场大杂烩。虽然看之前就知道肯定是一部无法超越前传2的蝙蝠狭，但真心没想到能差到这个地步。节奏的把控的失误和角色的定位模糊绝对是整部影片的硬伤。' # 初始化分析器实例 analyzer = SentimentAnalyzer(model_path=model_path, stopword_path=stopword_path, userdict_path=userdict_path) analyzer.analyze(text=text) ## 好评： 0.738 差评： 0.262