在 Python 中进行基于方面的情感分析时需要有关否定处理的建议

Question

我正在尝试编写一个 Python 代码，使用依赖解析器对产品评论进行基于方面的情感分析。我创建了一个示例评论：“音质很好，但电池寿命很差。”输出为：[['soundquality', ['great']], ['batterylife', ['bad']]]我可以正确地得到这句话的方面和形容词，但是当我将文本更改为：“音质不是很好，但电池寿命还不错。”输出仍然保持不变。如何向我的代码添加否定处理？有什么方法可以改善我目前所拥有的吗？

Answer 1

您不妨尝试一下spacy。以下模式将捕获：

• 名词短语

• 后跟is或are

• 可选地跟随not

• 后面跟着一个形容词

import spacy

from spacy.matcher import Matcher

nlp = spacy.load('en_core_web_sm')

output = []

doc = nlp('The product is very good')

matcher = Matcher(nlp.vocab)

matcher.add("mood",None,[{"LOWER":{"IN":["is","are"]}},{"LOWER":{"IN":["no","not"]},"OP":"?"},{"LOWER":"very","OP":"?"},{"POS":"ADJ"}])

for nc in doc.noun_chunks:

    d = doc[nc.root.right_edge.i+1:nc.root.right_edge.i+1+3]

    matches = matcher(d)

    if matches:

        _, start, end = matches[0]

        output.append((nc.text, d[start+1:end].text))

    

print(output)

[('The product', 'very good')]

或者，您可以使用依赖解析器中的信息来扩展匹配模式，这将添加形容词短语的定义：

output = []

matcher = Matcher(nlp.vocab, validate=True)

matcher.add("mood",None,[{"LOWER":{"IN":["is","are"]}},{"LOWER":{"IN":["no","not"]},"OP":"?"},{"DEP":"advmod","OP":"?"},{"DEP":"acomp"}])

for nc in doc.noun_chunks:

    d = doc[nc.root.right_edge.i+1:nc.root.right_edge.i+1+3]

    matches = matcher(d)

    if matches:

        _, start, end = matches[0]

        output.append((nc.text, d[start+1:end].text))

    

print(output)

[('The product', 'very good')]