Python實作新聞情緒分析(Sentiment Analysis)

摘要： 情緒分析就是針對文本背後所詮釋的情緒進行分析。近來年機器學習和資料探勘正廣為學界和業界使用，而情緒分析則類似於資料探勘中的文字探勘，計算文本中各個字詞所代表的情緒分數，解讀進而轉化成資訊。

▲圖片來源：knowslist

什麼是情緒分析(Sentiment Analysis)?

情緒分析就是針對文本背後所詮釋的情緒進行分析。近來年機器學習和資料探勘正廣為學界和業界使用，而情緒分析則類似於資料探勘中的文字探勘，計算文本中各個字詞所代表的情緒分數，解讀進而轉化成資訊。

近年來比較常見的作法是針對新聞內容分析，投資的世界其實是一場資訊戰，投資人透過會計資訊、技術線圖的指標…等資訊進行投資決策，而情緒分析就像是伴隨科技更為進步的一種分析方法，針對字詞傳達出樂觀(Optimistic)、悲觀(Pessimistic)的情緒來判斷標的價格變化。

Python套件-Jieba結巴斷詞

在文本分析中，斷詞是一個大議題，因為沒辦法正確的斷詞，就得不出正確的資訊，而中文斷詞在執行上有個相當窒礙難行的地方，在於中文的詞與詞之間並沒有明顯的分隔。

舉例來說，市場預期未來六個月將持續高通膨。這句話就是許多詞的組合，例如市場(名詞)、預期(動詞)、未來(名詞)...等等，但如果寫成英文呢

英文: Market expects high inflation rate will last six months.

詞與詞之間有明顯的空白分隔，因此可以輕易地區分出這句話中共有多少詞，但中文的區隔邏輯是不一的。

Jieba套件就是用於解決中文斷詞的問題，來看下面的例子。

jieba斷詞程式碼範例

導入了結巴斷詞套件後，設定要用來判斷字詞的辭典，進行斷詞。

▲圖片來源：knowslist

上方cut()函數中有個參數cut_all，當設定為True時是全模式，設定為False的時候是精確模式。

精確模式不會有同的字分到兩個詞的問題，全模式則是將所有可能都列出來。

▲圖片來源：knowslist

透過斷詞套件的輔助，解決了困難的斷詞作業，接著就能用文本中的詞句來計算情緒分數。

情緒分數計算

計算情緒分數的作業上，還缺一個很重要的元素，就是字詞所隱含的情緒方向和分數，在這使用台灣大學情緒字典(NTUSD)，裏頭提供正面詞彙和負面詞彙的字典。

台大自然語言處理實驗室中還提供了英文字詞及對應的分數，裏頭有許多很棒的資源可以使用，提供參考。

接著隨機挑一篇財金新聞來做分析，原文連結在這:https://news.cnyes.com/news/id/4754811?exp=a

▲圖片來源：knowslist

接著讀取正負面詞彙的資料

▲圖片來源：knowslist

有了文本和字典後，就能透過剛剛介紹的jieba套件來完成。

▲圖片來源：knowslist

在上面的例子簡化了計算的方法，直接用正面字詞為1分，負面則為-1分的方式計算，實際上還有許多的計算方法，而不同的詞隱含的分數也可能多寡不一。

經過斷詞和情緒字詞判斷後，得出本篇新聞的情緒分數為-1，這篇新聞屬於盤勢解析的分類，而綜合許多盤勢解析的新聞之後，就能簡易的計算出當前市場投資人情緒分數。

轉貼自： knowslist

若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance