Cemotion情感分析

文本情感分析，可以自定义词典、训练模型来进行，但花费时间长。如果采用现有的模型，直接用几行代码就可以得出文本的情感倾向，现有的模型主要有SnowNLP和Cemotion。

SnowNLP用的是经典机器学习的贝叶斯算法；

Cemotion使用的是深度学习RNN模型，目前Cemotion使用的模型为rnn_emotion_x86_1.0.h5。

完整代码（Cemotion，需要pip 安装）：

#导包
import pandas as pd
from cemotion import Cemotion
 
def get_reviews(file_path):
    predict = []
    data = pd.read_csv(file_path,sep="\t")
    review = data.iloc[:,1]
    review = [str(a) for a in list(review)]
    c = Cemotion()
    predict = c.predict(review)
    return predict
 
file_path = 'd:/datasets/reviews.txt'
emotions = get_reviews(file_path)
for emotion in emotions:
  print('"', emotion[0] , '"\n' , '情感倾向:{:6f}'.format(emotion[1]) , '\n')

输出结果：
1/1 [==============================] - 0s 477ms/step
" 看到朋友的姐姐用这个说效果很好，我也买来给姐姐和妈妈用，都说效果不错，皮肤好多了，又白又嫩~点个赞！ "
 情感倾向:1.000000 

" 质量很好，绝对的正品，包装也很好，没有任何损坏，非常满意。 "
 情感倾向:0.999834 

" 口罩收到了质量很好，包装严实，透气性很好 "
 情感倾向:0.998665 

" 质量很好疫情期间必不可少的便宜有活动多囤点 "
 情感倾向:0.999965 

" 是正品，干净卫生，做过好独立包装，赞 "
 情感倾向:1.000000 

" 太差了，用了一次就坏了 "
 情感倾向:0.000001 

" 不好用，下次不会买了 "
 情感倾向:0.000385 

" 不会回购了 "
 情感倾向:0.031789 

测试集reviews.txt（注：id与review之间tab键分隔）

id    review
1    看到朋友的姐姐用这个说效果很好，我也买来给姐姐和妈妈用，都说效果不错，皮肤好多了，又白又嫩~点个赞！
2    质量很好，绝对的正品，包装也很好，没有任何损坏，非常满意。
3    口罩收到了质量很好，包装严实，透气性很好
4    质量很好疫情期间必不可少的便宜有活动多囤点
5    是正品，干净卫生，做过好独立包装，赞
6    太差了，用了一次就坏了
7    不好用，下次不会买了
8    不会回购了