容器情感分析

情感分析（又称为观点挖掘或感情AI）是一种利用自然语言处理、文本分析、计算语言学等技术来系统地识别、提取、量化和研究情感状态和主观信息的方法。

应用领域：

1.社交媒体分析：企业通过分析消费者在社交媒体上的情感反馈，了解消费者对产品或服务的态度和偏好，从而把握市场需求，调整产品或服务策略，提高市场竞争力。

2.产品评价：电商平台利用情感分析技术自动分析用户评价，识别用户的积极或消极情感，为其他消费者提供参考，同时也为商家提供产品改进的建议。

3.心理健康评估：识别和分析患者的情感状态，如抑郁、焦虑等，为医生提供诊断和治疗方案制定的辅助工具。

4.情感管理：个人可以利用情感分析技术来分析自己在社交媒体上的情感反馈，了解自己的情感状态和情感偏好，有助于更好地管理情绪和心理健康。

5.影视评论分析：在电影、电视剧等媒体产品的评论分析中，情感分析技术可以帮助制片方了解观众的情感反馈，优化内容制作。

容器情感分析是指将做情感分析所需要的环境依赖、以及可视化打包到镜像当中，方便我们在各种操作系统下运行。

项目介绍：

主要是利用python中的NLTK（Natural Language Toolkit）自然语言处理（NLP）的 Python 库加Falsk的PythonWeb框架来完成后端的部署

##关于NLTK部分：
1. 文本处理功能
分词（Tokenization）：将文本分割成单词或句子。
词性标注（Part-of-Speech Tagging）：为文本中的单词标注词性（如名词、动词等）。
2. 语言资源
语料库（Corpora）：NLTK 提供了许多用于研究的语料库，如《爱丽丝梦游仙境》的文本、电影评论等。
词典（Lexicons）：包括情感词典（如 SentiWordNet）、同义词词典（如 WordNet）等。
3. 文本分析工具
情感分析（Sentiment Analysis）：使用诸如 VADER、TextBlob 等工具分析文本情感。
词汇分析：统计词频、计算文本相似度等。

from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
import matplotlib.pyplot as plt
from nltk.sentiment.vader import SentimentIntensityAnalyzer

##处理文本方法：将一段完整的话拆分成单独的单词，再将其中一些人称代词（I、you、she）、系动词（am、is、are）、介词（to）、连词（so、but）进行过滤。最后得到形容词与动词
def preprocess_text(text):
    stop_words = set(stopwords.words('english'))
    word_tokens = word_tokenize(text)
    filtered_text = [word for word in word_tokens if word.lower() not in stop_words and word.isalpha()]
    return ' '.join(filtered_text)

##计算情感值方法：将过滤后的形容词与动词进行计算，比如正面的与负面进行抵消
def analyze_sentiment_vader(text):
    analyzer = SentimentIntensityAnalyzer()
    sentiment = analyzer.polarity_scores(text)['compound']
    return sentiment

##展示可视化情感值图方法：将计算的结果，使用matplotlib库展示出来
def visualize_comparison(sentiment_score_vader):
    plt.bar(['VADER'], [sentiment_score_vader], color=['blue'])
    plt.ylim(-1, 1)
    plt.ylabel('Sentiment Score')
    plt.title('Sentiment Analysis Comparison')
    plt.show()


# 示例文本
text = "I'm happy to see you ! but I'm sad that you have to leave."
processed_text = preprocess_text(text)
print("Processed Text:", processed_text)
sentiment_score_vader = analyze_sentiment_vader(processed_text)
print("Sentiment Score (VADER):", sentiment_score_vader)
visualize_comparison(sentiment_score_vader)

运行结果：

根据计算的情感值我们大致将它分成三类：

积极（Positive）：积极情感通常表示文本中传递了正面的评价、态度或情感。例如，在产品评论中，积极评价可能包括对产品的性能、外观、使用体验等方面的赞扬。在社交媒体上，积极情感表现为对某人或某事的赞赏、支持或喜爱。（Sentiment Score>0.25）标记为1
消极（Negative）：消极情感则相反，表示文本中传递了负面的评价、态度或情感。在产品评论中，消极评价可能涉及产品的缺点、不足或问题。在社交媒体上，消极情感可能表现为对某人或某事的批评、不满或愤怒。（Sentiment Score<-0.25）标记为2
中性（Neutral）：中性情感指的是文本中没有明显的积极或消极倾向，或者表达了一种客观、中立的态度。这种情感分类通常用于识别那些不包含情感色彩或仅提供事实信息的文本（Sentiment Score<0.25 && Sentiment Score>-0.25）标记为0

根据这三种情感，我们在前端页面中展示出来

<!DOCTYPE html>
<html>
	<head>
		<meta charset="utf-8">
		<title></title>
	</head>
	<script src="https://cdn.jsdelivr.net/npm/vue@2/dist/vue.js"></script>
	<script src="https://ajax.aspnetcdn.com/ajax/jquery/jquery-3.5.1.min.js"></script>
	<style>
		body{
			background-color: firebrick;
		}
		#All{
			height: 100%;
			width: 100%;
			display: flex;
			align-items: center;
			justify-content: center;
			flex-direction: column;
		}
		.inputT{
			margin-top: 100px;
			width: 750px;
			height: 200px;
			/* border-left: 1px solid ;
			border-bottom: 1px solid white; */
			border-top: 1px solid white;
			border-bottom: 1px solid white;
			border-left: 0; 
			border-right: 0;
			color: brown;
			font-size: 40px;
		}
		#but_area{
			display: flex;
			align-items: center;
			margin-top: 15px;
		}
		#but{
			color: white;
			font-size: 50px;
		}
		#res_area{
			margin-top: 35px;
			height: 300px;
			width: 300px;
			/* border: solid 1px; */
			display: flex;
			align-items: center;
			justify-content: center;
		}
	</style>
	<body>
		<div id="All">
			<input class="inputT" type="text" v-model="value" name="value"/>
			<div id="but_area">
			//两个svg图表，不用管
				<svg t="1721048140169" class="icon" viewBox="0 0 1024 1024" version="1.1" xmlns="http://www.w3.org/2000/svg" p-id="3728" width="200" height="200"><path d="M239.274 764.996h106.952v88h-106.952zM559.564 554h149.31v128.688h-149.31z" fill="#DBADA2" p-id="3729"></path><path d="M730.436 682.688h-192.45c-11.782 0-21.328 9.528-21.328 21.308v319.996h235.12V703.996c0-11.782-9.562-21.308-21.342-21.308z" fill="#ED5564" p-id="3730"></path><path d="M870.308 308.05c-12.5-12.5-32.75-12.5-45.25 0l-148.184 158.388L783.402 512l88.968-151.998c9.376-17.294 10.438-39.466-2.062-51.952z" fill="#DBADA2" p-id="3731"></path><path d="M516.658 703.996v64h235.12v-64c0-11.782-9.56-21.308-21.342-21.308h-192.45c-11.78 0-21.328 9.526-21.328 21.308z" fill="#DA4453" p-id="3732"></path><path d="M346.584 853.308h-107.108c-11.782 0-21.344 9.562-21.344 21.376v149.308h149.794v-149.308c0.002-11.812-9.546-21.376-21.342-21.376z" fill="#5D9CEC" p-id="3733"></path><path d="M218.132 874.684v21.308h149.794v-21.308c0-11.812-9.546-21.376-21.344-21.376h-107.108c-11.778 0-21.342 9.564-21.342 21.376z" fill="#4A89DC" p-id="3734"></path><path d="M762.214 42.68c-17.686 0-31.998 14.328-31.998 32v202.652a10.674 10.674 0 0 1-10.654 10.672 10.68 10.68 0 0 1-10.688-10.672V32.008c0-17.672-14.312-32-32-32-17.656 0-32 14.328-32 32v245.324a10.652 10.652 0 0 1-10.654 10.672 10.672 10.672 0 0 1-10.656-10.672V74.68c0-17.672-14.344-32-32-32-17.688 0-32 14.328-32 32v202.652a10.68 10.68 0 0 1-10.688 10.672 10.664 10.664 0 0 1-10.656-10.672V160.006c0-17.672-14.328-32-32-32-17.686 0-32 14.328-32 32v298.666c0 88.358 71.624 160.014 159.998 160.014 88.372 0 159.994-71.656 159.994-160.014V74.68c0.002-17.672-14.31-32-31.998-32zM207.696 426.33c-11.782 0-21.328 9.562-21.328 21.344V597h42.67v-149.328c0.002-11.78-9.562-21.342-21.342-21.342zM261.04 383.674c-11.796 0-21.344 9.546-21.344 21.328V597h42.67v-191.998c0-11.78-9.546-21.328-21.326-21.328zM314.366 426.33c-11.782 0-21.328 9.562-21.328 21.344V597h42.656v-149.328c0-11.78-9.546-21.342-21.328-21.342z" fill="#EAC6BB" p-id="3735"></path><path d="M149.948 624.562c-8.328 8.344-6.25 17.75 0 30.188l43.42 91.34 71.016-37.25-84.264-84.278c-8.328-8.312-21.844-8.312-30.172 0z" fill="#DBADA2" p-id="3736"></path><path d="M367.694 469c-11.782 0-21.328 9.546-21.328 21.328v149.358h42.672v-149.358c0-11.78-9.564-21.328-21.344-21.328z" fill="#EAC6BB" p-id="3737"></path><path d="M389.038 708.996c0 55.968-45.376 101.312-101.342 101.312s-101.326-45.344-101.326-101.312c0-55.964 45.358-101.308 101.326-101.308s101.342 45.344 101.342 101.308z" fill="#EAC6BB" p-id="3738"></path><path d="M186.368 597h202.668v111.996H186.368z" fill="#EAC6BB" p-id="3739"></path></svg>
				//在这里实现提交请求
				<div id="but" @click="submit">点击这里</div>
				<svg t="1721048140169" class="icon" viewBox="0 0 1024 1024" version="1.1" xmlns="http://www.w3.org/2000/svg" p-id="3728" width="200" height="200"><path d="M239.274 764.996h106.952v88h-106.952zM559.564 554h149.31v128.688h-149.31z" fill="#DBADA2" p-id="3729"></path><path d="M730.436 682.688h-192.45c-11.782 0-21.328 9.528-21.328 21.308v319.996h235.12V703.996c0-11.782-9.562-21.308-21.342-21.308z" fill="#ED5564" p-id="3730"></path><path d="M870.308 308.05c-12.5-12.5-32.75-12.5-45.25 0l-148.184 158.388L783.402 512l88.968-151.998c9.376-17.294 10.438-39.466-2.062-51.952z" fill="#DBADA2" p-id="3731"></path><path d="M516.658 703.996v64h235.12v-64c0-11.782-9.56-21.308-21.342-21.308h-192.45c-11.78 0-21.328 9.526-21.328 21.308z" fill="#DA4453" p-id="3732"></path><path d="M346.584 853.308h-107.108c-11.782 0-21.344 9.562-21.344 21.376v149.308h149.794v-149.308c0.002-11.812-9.546-21.376-21.342-21.376z" fill="#5D9CEC" p-id="3733"></path><path d="M218.132 874.684v21.308h149.794v-21.308c0-11.812-9.546-21.376-21.344-21.376h-107.108c-11.778 0-21.342 9.564-21.342 21.376z" fill="#4A89DC" p-id="3734"></path><path d="M762.214 42.68c-17.686 0-31.998 14.328-31.998 32v202.652a10.674 10.674 0 0 1-10.654 10.672 10.68 10.68 0 0 1-10.688-10.672V32.008c0-17.672-14.312-32-32-32-17.656 0-32 14.328-32 32v245.324a10.652 10.652 0 0 1-10.654 10.672 10.672 10.672 0 0 1-10.656-10.672V74.68c0-17.672-14.344-32-32-32-17.688 0-32 14.328-32 32v202.652a10.68 10.68 0 0 1-10.688 10.672 10.664 10.664 0 0 1-10.656-10.672V160.006c0-17.672-14.328-32-32-32-17.686 0-32 14.328-32 32v298.666c0 88.358 71.624 160.014 159.998 160.014 88.372 0 159.994-71.656 159.994-160.014V74.68c0.002-17.672-14.31-32-31.998-32zM207.696 426.33c-11.782 0-21.328 9.562-21.328 21.344V597h42.67v-149.328c0.002-11.78-9.562-21.342-21.342-21.342zM261.04 383.674c-11.796 0-21.344 9.546-21.344 21.328V597h42.67v-191.998c0-11.78-9.546-21.328-21.326-21.328zM314.366 426.33c-11.782 0-21.328 9.562-21.328 21.344V597h42.656v-149.328c0-11.78-9.546-21.342-21.328-21.342z" fill="#EAC6BB" p-id="3735"></path><path d="M149.948 624.562c-8.328 8.344-6.25 17.75 0 30.188l43.42 91.34 71.016-37.25-84.264-84.278c-8.328-8.312-21.844-8.312-30.172 0z" fill="#DBADA2" p-id="3736"></path><path d="M367.694 469c-11.782 0-21.328 9.546-21.328 21.328v149.358h42.672v-149.358c0-11.78-9.564-21.328-21.344-21.328z" fill="#EAC6BB" p-id="3737"></path><path d="M389.038 708.996c0 55.968-45.376 101.312-101.342 101.312s-101.326-45.344-101.326-101.312c0-55.964 45.358-101.308 101.326-101.308s101.342 45.344 101.342 101.308z" fill="#EAC6BB" p-id="3738"></path><path d="M186.368 597h202.668v111.996H186.368z" fill="#EAC6BB" p-id="3739"></path></svg>
			</div>
			<div id="res_area">
				<img :src="img" alt="" />	
			</div>
		</div>
	</body>
	<script>
		var demo = new Vue({  
		    el: "#All",  
		    data: {  
		        end_res: null,
				img: "./images/neu0.png",  //当前表情为中性表情
				pos:["./images/pos0.png","./images/pos1.png","./images/pos2.png"], //积极表情
				neg:["./images/neg0.png","./images/neg1.png","./images/neg2.png"]  //消极表情
		    },  
		    methods: {  
		        submit: function() {  
		        //获取input的值
		            var value = document.getElementsByClassName('inputT')[0].value;  
		            console.log(value);  
		            //提交请求
		            fetch('http://127.0.0.1:5000/Computed', {  
		                method: 'POST',  
		                headers: {  
		                    'Content-Type': 'application/json'  
		                },  
		                body: JSON.stringify({ value: value })  
		            })  
		            //获取后端返回数据
		            .then(response => response.json())  
		            .then(data => {  
		                console.log(data);  
		                this.end_res = data; // 使用 Vue 的方法来更新数据 
						 this.change_src(this.end_res)
						
		            })  
		            .catch(error => {  
		                console.error('Error:', error);  
		            });  
		        },
		        //修改图片路径
				change_src:function(end_res){
					if(end_res==1){
						var randomInt = this.getRandomIntInclusive(0, 2);  
						this.img = this.pos[randomInt]
					}
					else if(end_res==2){
						var randomInt = this.getRandomIntInclusive(0, 2);
						this.img = this.neg[randomInt]
					}
					else{
						this.img = "./images/neu0.png"
					}
				},
				//随机一个0到2的随机数
				getRandomIntInclusive:function(min, max) {  
				  min = Math.ceil(min);  
				  max = Math.floor(max);  
				  return Math.floor(Math.random() * (max - min + 1)) + min;  
				}  
		    }  
		});
				
	</script>
</html>

from flask import Flask, request, jsonify
from flask_cors import CORS  
import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
from nltk.sentiment.vader import SentimentIntensityAnalyzer

# 指定本地 NLTK 数据目录
nltk.data.path.append('F:/nltk_data')

def preprocess_text(text):
    stop_words = set(stopwords.words('english'))
    word_tokens = word_tokenize(text)
    filtered_text = [word for word in word_tokens if word.lower() not in stop_words and word.isalpha()]
    return ' '.join(filtered_text)

def analyze_sentiment_vader(text):
    analyzer = SentimentIntensityAnalyzer()
    sentiment = analyzer.polarity_scores(text)['compound']
    return sentiment

#将情感值分类
def emotional_division(sentiment_score_vader):
    if(sentiment_score_vader > 0.25):
        return 1
    elif(sentiment_score_vader < -0.25):
        return 2
    else:
        return 0

app = Flask(__name__)
CORS(app)

@app.route('/Computed', methods=['POST'])
def get_text():
#获取前端传输的值
    value = request.json
    value = value['value']
    print(f"Received text: {value}")
    processed_text = preprocess_text(value)
    print("processed_text：", processed_text)
    sentiment_score_vader = analyze_sentiment_vader(processed_text)
    print("sentiment_score_vader：", sentiment_score_vader)
    res = emotional_division(sentiment_score_vader)
    print("res：", res)
    return jsonify(res)

if __name__ == '__main__':
    app.run(debug=False, host='0.0.0.0', port=5000)
    #启动一个本地开发服务器，

容器部署：

https://gitee.com/chenl16/sentiment-analysis_container.git

在此项目中，主要的环境有：Python、Flask库、NLTK库、web服务器

##构建方法
docker build -t sa:v1.0 .
##注意，该git中没有nltk_data.zip，需要下载nltk_data,然后将里面的packages重命名为nltk_data

容器运行：

docker run -itd --name sa -p 99:80 -p 5000:5000 sa:v1.0

运行案例：

1.95.70.3:99

chen/SentimentAnalysis_container

容器情感分析

项目介绍：

容器部署：

容器运行：

简介

发行版

贡献者

近期动态

chen/SentimentAnalysis_container .gitee-modal { width: 500px !important; }

容器情感分析

项目介绍：

容器部署：

容器运行：

简介

发行版

贡献者

近期动态

搜索帮助

chen/SentimentAnalysis_container