机器学习—使用 Python 进行实时情绪分析项目

情感分析是自然语言处理的一种应用，用于理解人们的意见。今天，许多公司通过向用户询问他们的服务来使用实时情绪分析。在本文中，我将引导您使用 Python 进行实时情感分析。

实时情绪分析

情感分析的主要目的是分析用户对特定产品或服务的意见，帮助客户了解产品的质量。比如，每次苹果发布新iPhone，我们都会看到很多人发表意见，有人喜欢，有人批评，最后，所有人的意见都会帮助我们决定是否应该购买新iPhone .

意见无非是人们对特定产品的感受，它有助于企业改进产品，帮助客户决定是否购买该产品。现在，如果您想实时分析人们的感受，即向用户询问您的产品并实时了解您的产品，该怎幺办？在下面的部分中，我将向您介绍一种使用 Python 进行实时情感分析的简单方法。

使用 Python 进行实时情绪分析

为了实时分析感受，我们需要请求用户的输入，然后分析他/她作为输入给出的用户感受。所以对于这个使用 Python 的实时情感分析任务，我将使用 Python 中的NLTK
库，它是一个非常有用的工具，适用于所有自然语言处理任务。那幺让我们导入 NLTK 库并从情感分析开始：

from nltk.sentiment.vader import SentimentIntensityAnalyzer
import nltk
nltk.download('vader_lexicon')

因此，我将在 Python 中使用 NLTK 库提供的 SentimentIntensityAnalyzer() 类。现在让我们以用户输入为例，看看情绪分数：

user_input = input("Please Rate Our Services >>: ")
sid = SentimentIntensityAnalyzer()
score = sid.polarity_scores(user_input)
print(score)

Please Rate Our Services >>: great
{
 'neg': 0.0, 'neu': 0.0, 'pos': 1.0, 'compound': 0.6249}

最后一步：

因此，情绪分数看起来像一本字典，键为“neg”、“neu”、“pos”、“compound”。上面的输出表明用户的情绪是 100% 正面的。因此，我们可以通过传递一个条件来使用 if-else 语句，如果 key(neg) 的值不是 0.0，则情绪为负，否则为正。所以这里是用于实时情感分析的完整 Python 代码：

user_input = input("Please Rate Our Services >>: ")
sid = SentimentIntensityAnalyzer()
score = sid.polarity_scores(user_input)
if score["neg"] != 0:
      print("Negative")
else:
      print("Positive")

Please Rate Our Services >>: not bad
Positive
Please Rate Our Services >>: not good
Negative

所以现在我们可以看到积极或消极的输出，而不是情绪分数。