Python情感分析+TF-IDF关键词+Gephi共现（大连理工情感词库）

本文档主要介绍了一种基于Python的情感分析、TF-IDF关键词提取以及共现语义网络构建的方法。具体而言，该方法首先使用TF-IDF算法筛选出高分词语构建专属情感词典，然后结合大连理工情感词典和额外的中文、英文词典资源，对文本进行正负向情感分类。此外，还详细阐述了情感词典权重的确定，包括对情感词强度的初始赋值、否定词的影响以及程度副词的权重。计算情感值的公式以及在中文和英文评论中的应用方法都有详细的说明。在关键词分析方面，该文档提出了使用TF-IDF算法从文本中提取高频词和特征关键词，并对中英文本的正面和负面情感进行分组统计。文档还描述了如何构建共现矩阵、在Gephi软件中进行网络可视化并提取相关的网络参数指标，为后续的文本分析提供了依据。 详细的知识点包含以下几个方面： 1. 情感分析的定义和目的，以及基于情感词典的文本情感分类方法。 2. 情感词典的构建过程，包括专属情感词典的构建方法和使用大连理工等资源的中文英文情感词典构成。 3. 情感词典权重的分配，包括初始情感强度、否定词的权重以及程度副词对情感值的影响。 4. 情感值计算公式在中文和英文文本分析中的应用。 5. 使用TF-IDF算法进行关键词提取，以及如何对提取出的关键词进行分组和绘制词云图。 6. 构建共现矩阵和在Gephi软件中进行网络可视化，包括如何处理稀疏矩阵问题和调整布局。 7. 网络可视化后如何提取和分析网络参数指标，例如中心性度量和模块化。 整个分析流程涵盖了文本预处理、特征提取、情感分类、关键词提取和共现网络构建等多个环节，是一种综合性较强的文本分析方法。