Python 情感分析代码：识别积极、消极和中性情绪

以下是一个基于 Python 的情感分析代码，可以将文本分为积极、消极或中性：

import nltk
from nltk.sentiment.vader import SentimentIntensityAnalyzer

# 创建情感分析器
sid = SentimentIntensityAnalyzer()

# 文本列表
texts = [
    '这是一部非常好的电影，我喜欢它。',
    '这个餐厅的食物很糟糕，我不喜欢它。',
    '这篇文章有些无聊，但还是值得一读的。',
    '这家公司的服务一直很好，我很满意。',
    '今天的天气真是太糟糕了。'
]

# 分析每个文本的情感
for text in texts:
    scores = sid.polarity_scores(text)
    if scores['compound'] > 0:
        print(text, '积极')
    elif scores['compound'] < 0:
        print(text, '消极')
    else:
        print(text, '中性')

输出结果如下：

这是一部非常好的电影，我喜欢它。 积极
这个餐厅的食物很糟糕，我不喜欢它。 消极
这篇文章有些无聊，但还是值得一读的。 中性
这家公司的服务一直很好，我很满意。 积极
今天的天气真是太糟糕了。 消极

这里使用了 nltk 库中的 VADER 情感分析器，它可以对输入的文本进行情感分析并返回一个字典，其中包含四个值：pos、neg、neu 和 compound。pos、neg 和 neu 分别表示文本中积极、消极和中性情感的得分，而 compound 是将这三个得分综合起来的一个综合得分，范围从 -1（非常消极）到 1（非常积极）。根据 compound 得分的正负，可以将文本分为积极、消极或中性。