📚 课程目录第1章基于规则的情感极性分类器

1. 基于规则的情感极性分类器

任务说明

构建一个基于规则的中文情感极性分类器，输入为一段中文评本，输出为“正面”或“负面”判定。规则采用情感词典匹配加否定词反转的方式实现，不依赖任何机器学习库，仅使用Python标准库完成。

实现方案

分类器核心逻辑包含三个部分：情感词典（正面词与负面词列表）、否定词表（如“不”“没”“无”等）、程度副词表（如“很”“太”“非常”等，用于加权）。处理流程为：对输入文本进行简单分词（按字符与常用分隔符切分），遍历每个情感词，向前回溯查找否定词与程度副词，计算加权情感得分；最终得分为正输出“正面”，为负输出“负面”，为零输出“中性”。

代码实现


import re

# 情感词典（示例规模，可扩展）
POSITIVE_WORDS = {"好", "棒", "赞", "喜欢", "满意", "推荐", "优秀", "开心", "值得"}
NEGATIVE_WORDS = {"差", "烂", "垃圾", "讨厌", "失望", "坑", "后悔", "糟糕", "贵"}

# 否定词表
NEGATION_WORDS = {"不", "没", "无", "非", "莫", "勿", "别", "未"}

# 程度副词及其权重
DEGREE_WORDS = {
    "很": 1.5, "太": 1.8, "非常": 2.0, "特别": 1.8,
    "有点": 0.7, "稍微": 0.6, "极其": 2.2, "最": 2.0
}

def simple_tokenize(text: str) -> list:
    """按非中文字符分割，保留中文字符序列"""
    return re.findall(r'[\u4e00-\u9fff]+', text)

def classify_sentiment(text: str) -> str:
    """基于规则的情感极性分类"""
    score = 0.0
    segments = simple_tokenize(text)
    
    for seg in segments:
        # 在单个连续中文片段内查找情感词
        for word in POSITIVE_WORDS | NEGATIVE_WORDS:
            if word not in seg:
                continue
            # 计算该情感词出现次数
            count = seg.count(word)
            base = 1.0 if word in POSITIVE_WORDS else -1.0
            
            # 向前查找否定词与程度副词（最多回溯5个字符）
            start = seg.find(word)
            context = seg[max(0, start-5):start]
            
            # 否定词反转
            negated = any(n in context for n in NEGATION_WORDS)
            
            # 程度副词加权
            degree = 1.0
            for d, w in DEGREE_WORDS.items():
                if d in context:
                    degree = w
                    break
            
            # 计算该词贡献
            val = base * degree
            if negated:
                val = -val * 0.5  # 否定后极性反转且强度减半
            
            score += val * count
    
    if score > 0:
        return "正面"
    elif score < 0:
        return "负面"
    else:
        return "中性"

# 测试样例
if __name__ == "__main__":
    samples = [
        "这个手机很好用，非常喜欢",
        "质量太差了，很失望",
        "价格有点贵，但还能接受",
        "不好用，不推荐"
    ]
    for s in samples:
        print(f"输入: {s} → 判定: {classify_sentiment(s)}")

运行与验证

将上述代码保存为 sentiment_rule.py，在命令行执行 python sentiment_rule.py。程序会输出四条测试样例的判定结果。判定标准为：

“这个手机很好用，非常喜欢”包含正面词“好”“喜欢”，且“非常”加权，应输出正面；
“质量太差了，很失望”包含负面词“差”“失望”，应输出负面；
“价格有点贵，但还能接受”中“贵”为负面词但“有点”降低权重，且无正面词，应输出负面；
“不好用，不推荐”中“好”前有否定词“不”，极性反转，应输出负面。

若输出与上述预期一致，则分类器逻辑正确。可自行替换 samples 中的文本进行更多测试。

判定边界说明

本分类器为教学演示用途，词典规模有限，仅覆盖示例词汇。对于未登录词、复杂句式（如双重否定、反问句）可能误判，这是基于规则方法的固有局限。实际应用中需扩展词典并增加更精细的上下文处理规则。