Bag-of-words

Sentimentanalys i Python

Violeta Misheva

Data Scientist

Vad är bag-of-words (BOW)?

 

  • Beskriver förekomsten av ord i ett dokument eller en samling dokument (korpus)

  • Bygger upp ett ordförråd och mäter ordens förekomst

Sentimentanalys i Python

Amazon-produktrecensioner

De 10 översta raderna i datamängden med Amazon-produktrecensioner

Sentimentanalys i Python

Sentimentanalys med BOW: Exempel

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 }
  • Ordföljd och grammatikregler går förlorade!
Sentimentanalys i Python

BOW – slutresultat

  • Utdata ser ungefär ut så här:

De 5 översta raderna i en datamängd som visar resultatet av ett BOW-tillvägagångssätt

Sentimentanalys i Python

Funktionen 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)
Sentimentanalys i Python

Utdata från CountVectorizer

X

<10000x1000 sparse matrix of type '<class 'numpy.int64'>' 
  with 406668 stored elements in Compressed Sparse Row format>
Sentimentanalys i Python

Transformera vektorn

# 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())
Sentimentanalys i Python

Nu kör vi en övning!

Sentimentanalys i Python

Preparing Video For Download...