Bag-of-words

Sentiment Analysis v Pythonu

Violeta Misheva

Data Scientist

Co je bag-of-words (BOW)?

 

  • Popisuje výskyt slov v dokumentu nebo kolekci dokumentů (korpusu)

  • Vytváří slovník slov a měřítko jejich výskytu

Sentiment Analysis v Pythonu

Recenze produktů Amazon

prvních 10 řádků datové sady recenzí produktů Amazon

Sentiment Analysis v Pythonu

Analýza sentimentu pomocí BOW: příklad

This is the best book ever. I loved the book and highly recommend it!!!

{'This': 1, 'is': 1, 'the': 2 , 'best': 1 , 'book': 2, 
'ever': 1, 'I':1 , 'loved':1 , 'and': 1  , 'highly': 1,
'recommend': 1 , 'it': 1 }
  • Pořadí slov a gramatická pravidla jsou ztracena!
Sentiment Analysis v Pythonu

Výsledek BOW

  • Výstup bude vypadat přibližně takto:

prvních 5 řádků datové sady zobrazující výstup přístupu BOW

Sentiment Analysis v Pythonu

Funkce CountVectorizer

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer

vect = CountVectorizer(max_features=1000) 
vect.fit(data.review)
X = vect.transform(data.review)
Sentiment Analysis v Pythonu

Výstup CountVectorizeru

X

<10000x1000 sparse matrix of type '<class 'numpy.int64'>' 
  with 406668 stored elements in Compressed Sparse Row format>
Sentiment Analysis v Pythonu

Transformace vektorizéru

# Transform to an array
my_array = X.toarray()

# Transform back to a DataFrame, assign column names
X_df = pd.DataFrame(my_array, columns=vect.get_feature_names())
Sentiment Analysis v Pythonu

Pojďme si procvičit!

Sentiment Analysis v Pythonu

Preparing Video For Download...