本内容由， 集智官方收集发布，仅供参考学习，不代表集智官方赞同其观点或证实其内容的真实性准确性，请勿用于商业用途。

以下是一个详细的、通俗易懂的代码案例，展示如何使用朴素贝叶斯算法对电影好评和差评数据集进行分类。我们将使用Python和scikit-learn库来实现。

环境准备

确保安装了必要的库：

pip install pandas scikit-learn

步骤解析

1. 加载数据：读取Excel文件中的好评和差评数据。
2. 数据预处理：合并数据集，提取必要字段，清理和转换数据。
3. 文本特征提取：使用TfidfVectorizer将文本转化为特征向量。
4. 模型训练：使用朴素贝叶斯算法进行训练。
5. 模型评估：评估模型的准确性和性能。

代码实现

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import accuracy_score, classification_report

# 1. 加载数据集
# 加载好评和差评Excel表格
positive_reviews = pd.read_excel("电影好评内容数据集.xlsx")
negative_reviews = pd.read_excel("电影差评内容数据集.xlsx")

# 为数据集添加标签（好评: 1, 差评: 0）
positive_reviews['label'] = 1
negative_reviews['label'] = 0

# 合并两个数据集
data = pd.concat([positive_reviews, negative_reviews], ignore_index=True)

# 查看数据结构
print(data.head())

# 2. 数据预处理
# 提取评论内容和标签
texts = data['电影好评（差评）内容']  # 替换为适合的字段名
labels = data['label']

# 检查数据是否存在空值，并进行清理
print(f"缺失值数量: {data.isnull().sum().sum()}")
data = data.dropna()

# 3. 文本特征提取
# 使用TF-IDF将文本转化为特征向量
tfidf = TfidfVectorizer(max_features=5000)  # 限制特征数量为5000个
X = tfidf.fit_transform(texts).toarray()   # 转化为稀疏矩阵
y = labels.values

# 4. 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 5. 训练朴素贝叶斯模型
model = MultinomialNB()
model.fit(X_train, y_train)

# 6. 模型评估
# 预测测试集
y_pred = model.predict(X_test)

# 输出准确率和分类报告
print(f"模型准确率: {accuracy_score(y_test, y_pred):.4f}")
print("分类报告:\n", classification_report(y_test, y_pred))

# 7. 模型使用
# 测试新评论的分类
new_reviews = [
    "这部电影情节非常精彩，演员表现力十足，值得一看！",
    "电影剧情平淡无奇，演员表演不够自然，比较失望。"
]
new_reviews_tfidf = tfidf.transform(new_reviews)
predictions = model.predict(new_reviews_tfidf)

# 输出预测结果
for review, label in zip(new_reviews, predictions):
    sentiment = "好评" if label == 1 else "差评"
    print(f"评论: {review}\n预测情感: {sentiment}\n")

代码解析

1. 加载数据：通过pandas加载好评和差评的Excel数据。为每条数据添加label字段，标记好评为1，差评为0。合并两个数据集形成完整数据集。
2. 数据预处理：提取评论内容和情感标签。清理空值，保证数据完整性。
3. 文本特征提取：使用TfidfVectorizer将评论文本转换为TF-IDF特征向量，捕捉重要的词汇信息。
4. 模型训练：使用MultinomialNB训练朴素贝叶斯分类器，这是朴素贝叶斯的一种实现，适合文本分类。
5. 模型评估：在测试集上评估模型的准确性，输出分类报告，包括精确率、召回率和F1分数。
6. 模型使用：输入新的评论进行情感预测，输出分类结果。

示例输出

假设新评论的输入为：

"这部电影情节非常精彩，演员表现力十足，值得一看！"
"电影剧情平淡无奇，演员表演不够自然，比较失望。"

输出结果：

评论: 这部电影情节非常精彩，演员表现力十足，值得一看！
预测情感: 好评

评论: 电影剧情平淡无奇，演员表演不够自然，比较失望。
预测情感: 差评

技术细节

1. TF-IDF特征提取：TF-IDF（Term Frequency-Inverse Document Frequency）捕捉文本中的重要词汇，减轻常见词的影响。
2. 朴素贝叶斯算法：假设特征之间相互独立，通过计算词语的条件概率预测评论情感。优势是速度快，效果好，尤其适合中小规模文本分类任务。
3. 分类报告：使用classification_report提供的精确率、召回率和F1分数评估模型性能。
4. 代码复现：代码易于复现，适合小规模数据集，推荐在实际应用中根据数据规模调整TfidfVectorizer参数。

通过这段代码，您可以快速实现一个电影评论的情感分类模型，并应用于类似的情感分析任务。