# 42014601CourseProjectofSoftwareEngineering

**Repository Path**: leonG7/a42014601CourseProjectofSoftwareEngineering

## Basic Information

- **Project Name**: 42014601CourseProjectofSoftwareEngineering
- **Description**: 基于词典方法和机基于器学习方法的中文情感倾向分析（Web）
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-04-09
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# README

## 项目简介

文本情感分析又称意见挖掘， 是对包含用户观点、 喜好、 情感等主观性文本进行挖掘、 分析及判别它是一个多学科交叉的研究领域， 涉及概率论、 数据统计分析、 计算机语言学、 自然语言处理、 机器学习、 信息检索、 本体学 ( Ontology) 等多个学科及其相关技术 。
目前， 情感分类大致涌现出两种研究思路:基于情感知识和基于特征。前者主要是基于已有的情感词典或情感知识库 对文本中带有情感或极性的词( 或词语单元) 进行加权求和，而后者主要是对文本提取具有类别表征意义的 特征， 再基于这些特征使用机器学习算法进行分类。
本项目运用情感词典与机器学习两种方法分别进行文本情感分析，并提供结果对比。


## 项目构建方法

### 环境准备

- Windows/MacOS/Linux
- Python3.6
- PyCharm or other IDEs

### 获取项目

- get the code from gitlab/github


 > git clone git@github.com:Charon0622/Software-Engineering-Course-Design.git

### 导入项目
Open the file named"Chinese-emotion-anlysis" with IDE

## 项目运行方法

### 本地运行
```
cd [project folder]
python3 manager.py runserver [port]
```
### 直接访问
[http://115.28.245.233:8080](http://115.28.245.233:8080)

## 项目基本功能

机器学习方法的接口，接受一个中文文本， 可得到一个正向情感极性的概率和负向情感
的概率。

基于情感词典的方法的接口， 输入一段中文文本， 可得到文本的情感极性分值 。

可对 篇章级、段落级、句子级 的中文文本进行情感极性判断。

基于情感词典的方法的接口，可以使用不同的情感词典对中文文本进行情感分析。

基于机器学习的方法的接口，可以导入一个训练好的模型来对中文文本进行情感分析。

分析算法以及修复程序中的bug。

## 代码结构说明

> Chinese_Emotion_Anakysis
>
> > settings.py web的总配置文件
> >
> > url.py web的路由配置
>
> Emotion_Manager 
>
> > CEA_LIB NLP分析库
> >
> > > pkl_data 处理之后的数据
> > >
> > > raw_data 未处理之前的数据
> > >
> > > chinese_emotion_analysis.py NLP方法的接口
> > >
> > > classifier.pkl 训练好的分类器模型
> >
> > Modules 词典方法分析库
> >
> > > res字典存放处
> > >
> > > main.py 接口
> >
> > migrations 数据连接层
> >
> > static 静态资源文件
> >
> > templates 网页模板
> >
> > models.py 模型构建
> >
> > views.py web逻辑