textblob

    1热度

    2回答

    我有一个大约有50行句子的csv文件。我正在使用textblob情感分析工具。为了测试一个句子的极性,这个例子显示你写了一个句子,并显示了极性和主观性。但是,它只能用于单个句子,我希望它能用于我拥有的csv文件,因为我无法将每行都放入并单独进行测试,因为这需要很长时间。我会如何去做这件事? TextBlob显示这个例子,当我输入一个句子时,极性显示,你不能一次输入两个句子,它不会让你。我将如何输入

    2热度

    1回答

    我正在尝试使用python和textblob构建文本分类模型,该脚本在我的服务器上运行,并且将来的想法是用户将能够提交他们的文本,它将会分类。 我是来自CSV加载训练集: # -*- coding: utf-8 -*- import sys import codecs sys.stdout = open('yyyyyyyyy.txt',"w"); from nltk.tokenize im

    0热度

    1回答

    我有兴趣使用textBlob构建文本分类器,但是从训练分类器返回中性标签后,我的研究看起来不像。有没有人知道一种方法来实现这一点?还是有类似的图书馆提供中性分类?谢谢。

    27热度

    2回答

    我正在尝试使用Textblob做一些文本分类。我首先使用pickle来训练模型并序列化它,如下所示。 import pickle from textblob.classifiers import NaiveBayesClassifier with open('sample.csv', 'r') as fp: cl = NaiveBayesClassifier(fp, format=

    0热度

    2回答

    当我有textblob图书馆工作了一段时间正常,但决定安装(使用easy_install的)附加库(page here)声称更快,更准确的标记。 我无法得到它的工作,所以我卸载它,但它似乎已经在TextBlob标签化功能混乱。我已经使用pip和easy_install卸载并重新安装nltk和TextBlob多次,并确保它们是最新的。 下面是一个简单的脚本,其产生错误的例子: from textbl

    0热度

    1回答

    我正在为正面和负面的单词测试textblob模块。 但有些结果不好。 例如: 代码: from textblob.sentiments import NaiveBayesAnalyzer from textblob import TextBlob message = "Fraud" blob = TextBlob(message, analyzer=NaiveBayesAnalyzer()

    0热度

    1回答

    我使用泡菜保存分类模型与贝叶斯定理,我已经保存与5600记录分类后2.1 GB的文件。但是当我加载该文件时,它花费了将近2分钟的时间,但是对于一些文本的分类花费了5.5分钟。我正在使用下面的代码来加载和分类。 classifierPickle = pickle.load(open("classifier.pickle", "rb")) classifierPickle.classify(

    2热度

    1回答

    我正在使用TextBlob for python对推文进行一些情感分析。 TextBlob中的默认分析器是PatternAnalyzer,它运行良好,速度相当快。 sent = TextBlob(tweet.decode('utf-8')).sentiment 我现在已经尝试切换到NaiveBayesAnalyzer,发现运行时是不切实际的我的需要。 (接近每鸣叫5秒。) sent = Tex

    0热度

    1回答

    **问题已解决this post **我正在使用Windows 10 PC并试图刮擦和分析网站论坛。我的解决方案使用Scrapy和Textblob,我正在运行Python 2.7。抓取生成所需的输出(我保存为.csv或.json)。然而,当我在Python脚本集成TextBlob使用这个文件,我得到以下错误: Traceback (most recent call last): File

    2热度

    1回答

    我正在尝试使用TextBlob's spelling correction,但correct()对于每个调用返回一个空对象。 下面显示终端上的方法调用: >>> from textblob import TextBlob >>> b = TextBlob("I havv goood speling!") >>> b.correct() TextBlob("") >>> print(b.co