基于Python的文本分析

Python语言作为信息技术高速发展的产物之一，在很多领域都有比较深入的应用，随着大数据技术的发展，可获取的信息量变得越来越大，通过文本挖掘的方法可以快速提取海量文献中的有用信息，追踪热点，在文本资料挖掘和情报获取方面被广泛应用。Python编程语言可以做到快速高效地对不同语言的文献进行词频统计，获取高频词，从而体现文献资料中的主旨。

Python是一种面向对象 编程语言，语法简洁清晰，是目前最受欢迎的一种编程语言。虽然Python可能被粗略地分类为“脚本语言” （script language），但实际上一些大规模软件开发计划例如Zope、 Mnet及Bit Tor-rent，Google也广泛地使用它。Python的 支持者较喜欢称它为一种高级动态编程语言，原因是“脚本语言”泛指仅作简单程序设计任 务的语言，如shellscript、 VB-Script等只能处理简单任务的编程语言，并不能与Python相 提并论。 Python由于包含有丰富的库功能，可以和其他高级语言很广泛地结合。该语言是编程语言中最容易入门的语言，其应用领域包括了后台开发、图像处理、数据挖掘、数据分析、机器学习、神经网络、自然语言处理等。由于Python在科学计算和 自然语言分析方面有着高效、精确的优点，因此在文本挖掘领域有着广泛的应用。对于NLP（自然语言）来说，分词是一步重要的工作，导入Python的jieba库功能，可以准确地对文本内容进行分词。

在线评论文本非常鲜明的特征是简洁性。句式短，字数少，往往三言两语，不能脱离所评论的主体单独存在和判断，但自由灵活、诙谐幽默、情感表述往往比较直接和极端，该文本类型在机器内部均具有相对固定的字节数限制，文本样本的情感做人工标注极性( 积极，消极) 相对简单，称之为简单文本。

目前简单文本情感分析的社会需求势头旺盛，在线文本的信息数据传播速度迅猛，数量级庞大，夹杂着无形的价值和前瞻性的情感导向，成为个人和组织越来越重视和急需的资源。对海量的评论文本进行分析，并将分析出的情感倾向用于预测、计划、统计
、评估和决策。其广泛价值正吸引着各界人士的热烈关注。文本技术在产品满意度调查、品牌管理、股情预测、政治选举、精准营销等领域都有着广泛的应用。

大数据发展至今的十几年里，从开始采用最基本的机器学习算法发展到现在更多的人采用深度神经网络，情感分析已经成为文理综合值得研究的一个重点方向。与其它情感分析技术不同，Python语言易学易读易维护，有数量庞大的第三方库，继承了传统编译语言的强大性和通用性，同时也借鉴了简单脚本和解释语言的易用性，它同时具有网络爬虫功能和大数据分析功能，综合其它编程语言于一体，虽然它的算法本质上仍然是沿用了神经网络或是机器学习，但是站在应用的层级，运用它操作更容易产生结果
。上述特点正是当前Python语言跻身于编程语言前列的原因。鉴于简单文本情感分析过程涉及众多环节和学科，且需理论与实践开发有效结合才能突显其重大研究意义，故而选择可读性良好的编程工具作为辅助技术实为必需。Python语言作为各界的新宠，在很大程度上符合文本分析各环节的技术需求，因此基于Python的文本分析研究已经成为一项极具前景的研究课题。