一个用于灵活和透明情感分析的Python包。
项目描述
Asent：快速、灵活且透明的情感分析
Asent是一个使用SpaCy制作的基于规则的Python情感分析库。它受Vader的启发，但使用了一个更模块化的规则集，允许用户更改例如查找否定方法。此外，它还包括可视化器以可视化模型预测，使模型易于解释。
安装
使用pip安装Asent很简单
pip install asent
没有必要从GitHub更新，因为pypi上的版本应该始终与GitHub上的版本相同。
简单示例
以下是一个简单示例，说明您如何快速使用asent进行情感分析。有关使用asent的更多信息，请参阅使用指南。
import spacy
import asent
# create spacy pipeline
nlp = spacy.blank('en')
nlp.add_pipe('sentencizer')
# add the rule-based sentiment model
nlp.add_pipe("asent_en_v1")
# try an example
text = "I am not very happy, but I am also not especially sad"
doc = nlp(text)
# print polarity of document, scaled to be between -1, and 1
print(doc._.polarity)
# neg=0.0 neu=0.631 pos=0.369 compound=0.7526
自然地，一个简单的分数可能相当令人不满意，因此Asent实现了一系列可视化器来解释结果
# visualize model prediction
asent.visualize(doc, style="prediction")
如果我们想知道模型为什么得到这样的结果，我们可以使用分析风格。
# visualize the analysis performed by the model:
asent.visualize(doc[:5], style="analysis")
括号内的值（2.7）表示该词的人类评级，而括号外的值表示考虑否定的情况的值。Asent还考虑了对比性变化（例如，但是）、大小写、表情符号和标点符号。有关模型的更多信息，请参阅[使用指南]。
📖 文档
| 文档 | |
|---|---|
| 🔧 安装 | Asent的安装说明 |
| 📚 使用指南 | 关于如何使用asent及其功能的指南和说明。它还简要介绍了模型的工作原理。 |
| 📰 新闻和更新日志 | 新增功能、更改和版本历史。 |
| 🎛 文档 | Asent API的详细参考。包括功能文档 |
💬 哪里提问
| 类型 | |
|---|---|
| 🚨 常见问题解答 | 常见问题解答 |
| 🚨 错误报告 | GitHub问题跟踪器 |
| 🎁 功能请求与想法 | GitHub问题跟踪器 |
| 👩💻 使用问题 | GitHub讨论 |
| 🗯 一般讨论 | GitHub讨论 |
下载文件
下载适用于您平台的文件。如果您不确定选择哪个，请了解有关安装包的更多信息。
源分布
asent-0.8.3.tar.gz （2.4 MB 查看哈希值）
构建分布
asent-0.8.3-py2.py3-none-any.whl （1.0 MB 查看哈希值）
