全面解析 SnowNLP：中文文本处理、情感分析

1 前言

SnowNLP 是一个专门用于处理中文文本的 Python库。功能包括：

• 分词
• 情感分析
• 关键词提取
• 文本分类
• 拼音转换
• 繁体转简体
• 词相似度计算等

snownlp==0.12.3

测试环境：Python3.10.9

2 分词

中文分词（Character-Based Generative Model）

2.1 常规分词

from snownlp import SnowNLP

text = "有勇气的牛排是编程领域的博主"
s = SnowNLP(text)
print(s.words)

2.2 自定义分词 词典

尚未测出该功能

4 提取 关键词(TextRank算法)

from snownlp import SnowNLP

text = "有勇气的牛排写的文章通俗易懂，爱了爱了"
s = SnowNLP(text)
print(s.keywords(3))

5 提取 摘要(TextRank算法)

from snownlp import SnowNLP

text = "有勇气的牛排写的文章通俗易懂，爱了爱了"
s = SnowNLP(text)
print(s.summary(3))

6 拼音转换

原创：有勇气的牛排
https://www.couragesteak.com/article/456

from snownlp import SnowNLP

text = "有勇气的牛排"
s = SnowNLP(text)
print(s.pinyin)

7 文本分类(情感分析)

7.1 定义

文本分类使用的是 SnowNLP 的情感分析模型

7.2 情感分析(常规)

from snownlp import SnowNLP

text = "有勇气的牛排写的文章通俗易懂，爱了爱了"
s = SnowNLP(text)
print(s.sentiments)

7.3 情感分析(训练模型)

7.3.1 数据文件

pos.txt （正面情绪的文本）

这家餐厅的菜很好吃
我非常喜欢这本书
这个产品质量非常好

neg.txt （负面情绪的句子）

这家餐厅的服务很差
我不喜欢这部电影
这个产品质量很差

7.3.2 训练模型

main.py

from snownlp import sentiment

# 训练模型
sentiment.train('neg.txt', 'pos.txt')

# 保存模型
sentiment.save('sentiment.marshal')

7.3.3 使用模型进行情感分析

from snownlp import sentiment
from snownlp import SnowNLP

# 加载训练好的模型
sentiment.load('sentiment.marshal')

# 使用训练好的模型
text = "这个产品很糟糕，我很不满意。"
s = SnowNLP(text)
print(s.sentiments)  # 输出情感分析结果

如果不加载前面我们训练的模型，分析结果为 0.669，十分不精确。

8 繁体转简体

from snownlp import SnowNLP

sentence_fan = "知識改變世界"
jian_ti = SnowNLP(sentence_fan)
print(jian_ti.han)

9 计算词的相似度（BM25）

from snownlp import SnowNLP

text = "有勇气的牛排是编程领域的博主"
s = SnowNLP(text)
print(len(s.words), s.words)
print(len(s.sim("的牛排")), s.sim("的牛排"))