? ? ? 大概在一兩年前在網(wǎng)上看過(guò)一篇文章，文章標(biāo)題是《我分析42萬(wàn)字的歌詞,為搞清楚民謠歌手們?cè)诔┦裁础?/a>,看完當(dāng)時(shí)我就震驚了，居然還有這樣的操作，同時(shí)也希望自己有朝一日，能夠模仿他寫(xiě)出同樣的一篇文章。
? ? ? 機(jī)緣巧合，自己斷斷續(xù)續(xù)也學(xué)習(xí)了python一年，今天也終于在半copy，半baidu的情況下，依葫蘆畫(huà)瓢，參照鄧?yán)蠋煹姆椒?，大概?shí)現(xiàn)了文本情感分析。（用python實(shí)現(xiàn)簡(jiǎn)單的文本情感分析）
? ? ? ?大致過(guò)程如下：爬蟲(chóng)抓取了藥檢院網(wǎng)站2007年-2017年共1062條，提取其中的標(biāo)題、內(nèi)容、發(fā)表時(shí)間以及url網(wǎng)址，對(duì)新聞內(nèi)容通過(guò)jieba進(jìn)行分詞，通過(guò)鄧?yán)蠋煹乃惴▽?duì)詞匯情感值進(jìn)行統(tǒng)計(jì)分析，通過(guò)wordcloud生成詞云，通過(guò)matplotlib繪圖。本來(lái)還打算用pandas進(jìn)行數(shù)據(jù)分析，無(wú)奈功夫不深，pandas和numpy都只學(xué)了皮毛，于是還是直接導(dǎo)出到excel中進(jìn)行分析。
? ? ? ? 抓取內(nèi)容的存入excel表格。
? ? ? ?對(duì)各條新聞內(nèi)容進(jìn)行情感值分析，新聞的內(nèi)容越積極向上，分值則越高。
? ? ? ?圖1是不同分值新聞的頻數(shù)分布情況圖，圖2是歷年新聞的情感值均值，可見(jiàn)2012年，我院的新聞報(bào)導(dǎo)更加偏積極。
? ? ? ?對(duì)新聞的內(nèi)容進(jìn)行分詞后，對(duì)各個(gè)詞匯出現(xiàn)的頻數(shù)進(jìn)行了統(tǒng)計(jì)，并分析具有代表意義的關(guān)鍵詞。
? ? ? 出現(xiàn)最多的是“工作”二字，看來(lái)以后可以更加有理有據(jù)的吐槽工作忙的像狗了，排名第二第三的則是“檢驗(yàn)”和“檢測(cè)”，這也確實(shí)反映了大家的工作重點(diǎn)是圍繞檢驗(yàn)展開(kāi)。
? ? ? 進(jìn)而對(duì)新聞的關(guān)鍵詞進(jìn)行了分析，該分析方法采用IDF-TF算法，比簡(jiǎn)單的比較詞匯出現(xiàn)頻數(shù)更能說(shuō)明問(wèn)題。排名第一的毋庸置疑是“食品藥品”，而我對(duì)其余幾個(gè)主要的詞匯進(jìn)行了分析，頻數(shù)分布是藥品>食品>化妝品>保健品>藥包材，這與我們業(yè)務(wù)處平時(shí)的收樣量也確實(shí)吻合orz
最后出于娛樂(lè)，利用wordcloud繪制了一張我們?cè)旱?0年來(lái)的新聞詞云。
———————————————————————————————————————————
? ? ? ? ? ? ? ? ? ? ? ? ? ? ?python代碼什么的就不放了，只能說(shuō)寫(xiě)的及其糟心...
