Asent：快速、灵活和透明的情感分析

Asent 是一个基于规则的 Python 情感分析库，使用 SpaCy 开发。它受到 Vader 的启发，但使用了更加模块化的规则集，允许用户更改例如寻找否定词的方法。此外，它还包括可视化工具来展示模型预测，使模型易于解释。

安装

使用 pip 安装 Asent 非常简单：

pip install asent

无需从 GitHub 更新，因为 PyPI 上的版本应始终与 GitHub 上的版本相同。

简单示例

以下是一个简单示例，展示如何使用 asent 快速应用情感分析。有关使用 asent 的更多信息，请参阅使用指南。

import spacy
import asent

# 创建 spacy 管道
nlp = spacy.blank('en')
nlp.add_pipe('sentencizer')

# 添加基于规则的情感模型
nlp.add_pipe("asent_en_v1")

# 尝试一个例子
text = "I am not very happy, but I am also not especially sad"
doc = nlp(text)

# 打印文档的极性，缩放到 -1 到 1 之间
print(doc._.polarity)
# neg=0.0 neu=0.631 pos=0.369 compound=0.7526

当然，简单的分数可能不太令人满意，因此 Asent 实现了一系列可视化工具来解释结果：

# 可视化模型预测
asent.visualize(doc, style="prediction")

如果我们想知道模型为什么得出这样的结果，我们可以使用 analysis 样式：

# 可视化模型进行的分析：
asent.visualize(doc[:5], style="analysis")

括号中的值（2.7）表示单词的人工评分，而括号外的值表示考虑否定后的值。Asent 还考虑了对比连词（如 but）、大小写、表情符号和标点符号。有关模型工作原理的更多信息，请查看使用指南。

📖 文档

文档
🔧 安装	Asent 的安装说明
📚 使用指南	关于如何使用 asent 及其功能的指南和说明。还简要介绍了模型的工作原理。
📰 新闻和更新日志	新增功能、变更和版本历史。
🎛 文档	Asent API 的详细参考。包括函数文档

💬 在哪里提问

类型
🚨 常见问题解答	常见问题解答
🚨 错误报告	GitHub 问题追踪器
🎁 功能请求和想法	GitHub 问题追踪器
👩‍💻 使用问题	GitHub 讨论
🗯 一般讨论	GitHub 讨论