上次获取了top10集中式公寓品牌约1600条 微博内容，每条微博内容都代表了发博者的情感，其中不乏赞美之词，也不乏抱怨的，还有只做个路人甲的，如何从这些内容提炼发博者的观点态度呢？这有点像英语阅读理解里面的 What`s the author’s opinion or attitude? 我们知道一篇微博里面，往往会出现表露情感的词语比如“大爱“，”怎么还不倒闭“等等，人类总是有7情6欲，其中7情是指 “喜、怒、哀、惧、爱、恶、欲”，这7种情感中 喜和爱 可以表示正性的，而 怒，哀，惧和恶 则表示负性的，唯独 欲 既可为正性又可以为负性，暂定为中性。于是乎，情感又可分为3大类——正性，负性和中性。 问题及思路
如果规定一条微博只表达一种情感的话，那么抽象来看，这个情感判别这就是一个多分类问题，对于文本情感挖掘一般会有下面3个解决办法
-
jieba模块+LSTM神经网络训练
首先可以利用jieba模块可以将微博内容分词，并标注词的情感，关键是若干个表达情感的词语组合起来综合态度，到底是正性的，负性的还是中性的？这需要一个好的算法。在给每一条微博打上情感标签后，然后利用神经网络LSTM进行有监督学习分类。 -
调用百度AI开放平台情感倾向分析
在百度AI开发平台的情感倾向分析返回结果里面，0表示负性，1表示中性，2表示正性，可以调用百度AI开放平台的情感分析接口向服务器发出请求，然后获取返回结果，利用返回结果给每条微博内容打上标签。 -
PaddleHub Senta模块
这是一个简单的API接口，直接pip install paddlepaddle，然后像sklearn那样调用便是，返回的是某条微博情感方面的参数。
本文以探讨第二种方法，并在此基础上人工验证分类的准确率，共1596条微博内容，人工验证发现有175条分类错误，准确率为89.1%。下面是调用百度AI开放平台的情感倾向分析完整代码
完整代码 代码解析由于微博内容存在mysql数据库里面，先要链接数据库把数据取出来，然后不断向百度AI开放平台发出请求，第一个函数 get_access_token 是用来获取您的access_token以便在第二个函数的时候构造请求url，而第二个函数 sentiment_classify是以微博内容作为请求实体向百度AI开放平台发起请求，返回微博内容一些情感方面的参数，返回结构是json格式如下，其中sentiment是我们主要关心的情感列别表情。
接着提取返回结果存入数据库里面，注意程序挂起时间，因为百度服务器每秒查询率QPS不能超过2，然后在提取由字典构成的列表items的时候可以像下面这样样提取一个个value值
整个过程流畅并无赘余，有很好的参考价值，下一次准备试一下PaddleHub Senta模块，并打算自己写一个深度神经网络训练情感分类。