VADER：社交网络文本情感分析库

VADER(Valence Aware Dictionary and sEntiment Reasoner)是专门为社交媒体进行情感分析的工具，目前仅支持英文文本，大邓在这里推荐给大家使用。大家可以结合大邓的教程  

【视频课程】Python爬虫与文本数据分析 

，自己采集数据自己进行分析。

VADER情感信息会考虑：

• 否定表达（如，"not good"）

• 能表达情感信息和强度的标点符号 (如, "Good!!!")

• 大小写等形式带来的强调，（如，"FUNNY."）

• 情感强度(强度增强，如"very" ；强度减弱如， "kind of")

• 表达情感信息的俚语 (如, 'sux')

• 能修饰俚语情感强度的词语 （'uber'、'friggin'、'kinda'）

• 表情符号 :) and :D

• utf-8编码中的emoj情感表情 （ ? and ? and ?）

• 首字母缩略语（如，'lol') ...

VADER目前只支持英文文本，如果有符合VADER形式的中文词典，也能使用VADER对中文进行分析。

安装VADER

pip3 install vaderSentiment

使用方法

VADER会对文本分析，得到的结果是一个字典信息，包含

• pos，文本中正面信息得分

• neg，文本中负面信息得分

• neu，文本中中性信息得分

• compound，文本综合情感得分

文本情感分类

依据compound综合得分对文本进行分类的标准

• 正面:compound score >= 0.05

• 中性: -0.05 < compound score < 0.05

• 负面: compound score <= -0.05

from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer	
analyzer = SentimentIntensityAnalyzer()	
test = "VADER is smart, handsome, and funny."	
analyzer.polarity_scores(test)

运行

{'neg': 0.0, 'neu': 0.254, 'pos': 0.746, 'compound': 0.8316}

这里我们只使用 compound 得分，用更多的例子让大家看到感叹号、俚语、emoji、强调等不同方式对得分的影响。为了方便，我们想将结果以dataframe方式展示

from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer	
import pandas as pd	
analyzer = SentimentIntensityAnalyzer()	
sentences = ["VADER is smart, handsome, and funny.",  	
             "VADER is smart, handsome, and funny!",  #带感叹号	
             "VADER is very smart, handsome, and funny.", 	
             "VADER is VERY SMART, handsome,