简介这是一份面向高校学生与Python初学者的酒店评论情感分析期末大作业完整方案围绕中文文本情感倾向判定这一典型NLP任务展开适合作为课程设计、毕业设计或自学练手项目。压缩包共23个文件约4.36MB包含2个py源码文件、14个txt词典与停用词表、2个rar语料压缩包以及docx实验文档、pptx答辩演示、md说明和jpg词云图覆盖从数据到代码再到报告的完整链路。资源内置酒店情感词典、否定词与程度副词表、哈工大及川大等多套停用词库配合emotion_score.py与run.py可直接运行打分并附6000条正负样本语料便于复现实验与调参。目前已有157人学习源码经本地编译验证可运行评审分达95分以上难度适中助教老师审定能帮助读者快速掌握情感分析流程、词典匹配思路与结果可视化方法。1. 酒店评论情感分析一份能直接跑通的 Python 期末大作业拆解期末周临近不少同学在找一份「能跑、能讲、能交」的 NLP 课程设计。这份基于 Python 的酒店评论情感分析资源恰好卡在这个需求点上它用情感词典打分的方式对酒店评论文本做正负面判定附带完整源码、说明文档、PPT 和词典文件。和那些只丢一个.ipynb就完事的仓库不同它把情感词典、停用词表、语料压缩包、可视化脚本都配齐了。适合谁一是需要交期末大作业的本科生二是想快速理解「基于规则的情感分析」这条技术路线的入门者。它不依赖深度学习框架一台装了 Python 的普通电脑就能复现这也是它作为教学案例最实在的地方。2. 情感词典打分原理为什么不用 BERT 也能出结果2.1 词典法的核心逻辑与选型理由拿到这份资源第一件要搞清楚的事是它到底怎么判断一条评论是好评还是差评。答案藏在emotion_dict目录里那一堆posdict.txt、negdict.txt、mostdict.txt、insufficientdict.txt文件里。这套方案属于典型的情感词典法思路是预先准备正面词表和负面词表扫描评论中的每个词命中正面词加分、命中负面词减分最后看总分落在哪个区间。为什么不用 BERT 或者 LSTM因为课程设计的评分点往往不在模型多先进而在流程是否完整、逻辑是否自洽。词典法有三个现实优势第一不需要 GPU不需要下载预训练权重pip install几个基础库就能跑第二每一步打分过程可解释答辩时老师问「这个词为什么算正面」你能直接翻出词典文件指给他看第三代码量可控emotion_score.py核心逻辑通常两三百行读得完、改得动。代价也要说清楚词典法对反讽、双重否定、领域新词几乎无能为力。「房间不干净」这种带否定词的句子如果词典里没有「不干净」这个整体词条就可能被拆成「不」「干净」反而判成正面。这不是这份资源的缺陷而是整条技术路线的边界。理解这一点你才知道后面该在哪里补规则。2.2 词典文件的组织与权重设计打开emotion_dict目录文件命名其实透露了权重分层文件名作用权重倾向posdict.txt基础正面词常规加分negdict.txt基础负面词常规减分mostdict.txt程度最强的词如「极」「超」放大后续词权重verydict.txt较强程度词如「很」「非常」中等放大ishdict.txt较弱程度词如「稍」「略」轻微放大insufficientdict.txt减弱词如「不太」「不够」削弱或反转inversedict.txt否定词如「不」「没」「无」反转极性这套分层是词典法里比较标准的做法。核心思想是情感强度不是布尔值而是连续量。「好」和「非常好」应该得到不同的分数。mostdict、verydict、ishdict分别对应不同放大倍数insufficientdict负责衰减inversedict负责翻转。我一般会建议先打开emotion_score.py找到类似下面这样的权重配置段# 程度副词权重映射数值越大表示放大倍数越高 degree_words {} for word in load_dict(mostdict.txt): degree_words[word] 2.0 # 最强程度词放大 2 倍 for word in load_dict(verydict.txt): degree_words[word] 1.5 # 较强程度词放大 1.5 倍 for word in load_dict(ishdict.txt): degree_words[word] 1.2 # 较弱程度词放大 1.2 倍 for word in load_dict(insufficientdict.txt): degree_words[word] 0.5 # 减弱词衰减到 0.5 倍这段逻辑说明扫描到一个情感词时先看它前面有没有程度副词有就乘上对应系数。参数怎么改如果你发现某类评论打分偏激比如「还行」被判成强正面可以把ishdict的系数从 1.2 调到 1.1如果差评漏检多检查negdict.txt是否覆盖了酒店场景的高频负面词比如「隔音差」「有异味」「前台冷漠」这类短语词典里往往只有单字词需要自己补。2.3 否定词处理与打分流程否定词是词典法最容易翻车的地方。inversedict.txt里通常放「不」「没」「无」「非」「莫」这类字。处理逻辑一般是情感词往前看三个词窗口内有没有否定词有就把极性翻转。def score_sentence(words, pos_dict, neg_dict, degree_words, inverse_words): score 0 for i, word in enumerate(words): if word in pos_dict or word in neg_dict: polarity 1 if word in pos_dict else -1 # 往前看 3 个词检查程度副词和否定词 for j in range(max(0, i - 3), i): if words[j] in degree_words: polarity * degree_words[words[j]] if words[j] in inverse_words: polarity * -1 score polarity return score逻辑说明外层遍历每个词命中情感词后确定基础极性然后回看前三个位置。程度副词做乘法放大否定词做符号翻转。参数上回看窗口3是个经验值窗口太大容易把无关的否定词算进来太小又漏掉「不是特别好」这种跨词否定。酒店评论里「不」和情感词之间通常隔一到两个字3 够用。分词环节用的是jieba停用词从stopwords目录加载。这里有个细节哈工大停用词表和四川大学停用词库内容有重叠代码里一般是合并去重后使用。如果你发现某些无意义词干扰打分往stopword.txt里追加即可不用改代码。3. 从零跑通项目环境、分词与批量打分3.1 环境准备与依赖安装这份资源是纯 Python 项目没有复杂的编译依赖。我一般会先确认 Python 版本3.7 到 3.10 都能跑3.11 以上个别老库可能报错。# 建议用虚拟环境隔离避免污染全局包 python -m venv venv # Windows 激活 venv\Scripts\activate # macOS / Linux 激活 source venv/bin/activate # 安装核心依赖 pip install jieba pandas matplotlib wordcloud参数说明jieba负责中文分词pandas用于读取评论数据和汇总结果matplotlib和wordcloud生成词云图。资源里带了wordcloud.jpg说明作者已经跑出过可视化结果你复现时如果词云中文显示成方块是字体问题在WordCloud构造函数里加font_path指向系统里的中文字体即可Windows 常用C:/Windows/Fonts/simhei.ttf。提示如果pip install卡在下载换国内镜像源加-i https://pypi.tuna.tsinghua.edu.cn/simple这是常规操作和网络环境无关。3.2 数据加载与分词预处理资源里的neg.rar和pos.rar是正负评论语料压缩包解压后应该是两个文本目录。run.py通常负责批量读取、逐条打分、输出统计。import jieba import os def load_stopwords(stopword_dir): stopwords set() for fname in os.listdir(stopword_dir): path os.path.join(stopword_dir, fname) with open(path, r, encodingutf-8) as f: for line in f: stopwords.add(line.strip()) return stopwords def cut_comment(text, stopwords): # 精确模式分词过滤停用词和空白 words jieba.lcut(text) return [w for w in words if w.strip() and w not in stopwords]逻辑说明load_stopwords把stopwords目录下所有停用词表合并成一个集合去重交给set自动完成。cut_comment用jieba.lcut精确模式切词然后过滤掉停用词和空白字符。参数上jieba.lcut返回列表比jieba.cut生成器更方便后续索引操作因为打分逻辑需要回看前几个词必须能按下标访问。这里有个容易忽略的点停用词表里如果包含情感词会直接导致漏判。比如某些停用词表把「不」收录了而「不」恰恰是否定词过滤掉之后否定逻辑就失效了。我一般会先检查inversedict.txt里的词有没有出现在停用词集合中有就从停用词里剔除。3.3 批量打分与结果输出单条评论打分跑通后下一步是批量处理整个语料目录。def analyze_directory(data_dir, pos_dict, neg_dict, degree_words, inverse_words, stopwords): results [] for label, subdir in [(正面, pos), (负面, neg)]: folder os.path.join(data_dir, subdir) if not os.path.isdir(folder): continue for fname in os.listdir(folder): with open(os.path.join(folder, fname), r, encodingutf-8) as f: text f.read() words cut_comment(text, stopwords) score score_sentence(words, pos_dict, neg_dict, degree_words, inverse_words) results.append({label: label, file: fname, score: score}) return results逻辑说明遍历pos和neg两个子目录读取每条评论分词后调用打分函数把标签、文件名、得分存进列表。参数上data_dir指向解压后的语料根目录label用于后续对比预测极性和真实标签的吻合度。跑完后可以用pandas统计正面评论平均分是否显著高于负面评论如果两者分布重叠严重说明词典覆盖不够或权重需要调。注意语料文件编码可能是gbk或utf-8如果读取报UnicodeDecodeError把encoding参数换成gbk试一次。这是中文文本处理的血泪经验编码问题能卡掉一半新手。4. 避坑与排查词典法最容易翻车的五个地方4.1 现象所有评论得分都是 0原因词典文件路径不对或者读取时编码错误导致词典为空。emotion_score.py里加载词典的函数如果用了相对路径而你在别的目录下执行run.py就会找不到文件。解决把词典加载路径改成基于脚本所在目录的绝对路径用os.path.dirname(os.path.abspath(__file__))拼出根目录再拼接emotion_dict子目录。加载完打印一下每个词典的长度正常posdict和negdict都应该是几百到上千条如果打印出 0就是路径或编码问题。4.2 现象正面评论被打成负分原因否定词窗口过大把无关的「不」算进来了。比如「不推荐这家酒店但房间还不错」前半句的「不」如果被算到后半句的「不错」上极性就翻了。解决缩小回看窗口从 3 降到 2或者加一个标点断句逻辑先按逗号、句号切分句子在每个子句内部做否定判断不跨标点回看。这个改动不大但效果立竿见影。4.3 现象程度副词叠加导致分数爆炸原因一句话里出现多个程度词比如「非常非常满意」每个程度词都乘一次分数被放大到不合理。解决对程度副词做去重或取最大值处理同一个情感词前只取最强的那个程度系数不累乘。代码里加一个max_degree变量遍历回看窗口时记录最大系数最后只乘一次。4.4 现象词云图中文显示为方块原因wordcloud默认字体不支持中文。解决在WordCloud初始化时指定font_pathWindows 用simhei.ttfmacOS 用/System/Library/Fonts/PingFang.ttcLinux 用wqy-zenhei.ttc。如果系统没有这些字体下载一个开源中文字体放到项目目录路径指过去就行。4.5 现象jieba分词把酒店领域词切碎原因通用词典不认识「大床房」「行政酒廊」「自助早餐」这类酒店专有词。解决用jieba.add_word()把这些词加进自定义词典或者建一个userdict.txt在分词前用jieba.load_userdict()加载。这一步对提升打分准确率帮助很大因为领域词往往承载核心情感信息。5. 进阶技巧把准确率从及格线往上抬一截跑通只是起点想让这份作业在答辩时站得住得拿出点调优动作。我一般会从两个方向下手一是补词典二是加规则。补词典不是随便加词而是先做错误分析。把预测错误的评论挑出来人工看一遍统计哪些情感词没被词典覆盖。酒店评论里高频的漏网词包括「隔音」「异味」「潮湿」「霉味」「态度差」「排队久」这类短语。把这些词按极性分别追加到posdict.txt和negdict.txt注意短语要先用jieba.add_word()注册否则分词阶段就被切碎了。加规则方面最值得做的是处理「但是」转折句。「房间很大但是隔音太差」这种句子前半句正面、后半句负面整体应该偏负面。可以在打分函数里检测「但是」「然而」「不过」这类转折词转折词之后的子句权重加倍或者直接以转折后的极性为主。代码改动大概十几行def score_with_transition(text, ...): # 按转折词切分后半段权重更高 transition_words [但是, 然而, 不过, 可惜] segments [text] for tw in transition_words: new_segments [] for seg in segments: new_segments.extend(seg.split(tw)) segments new_segments total 0 for idx, seg in enumerate(segments): words cut_comment(seg, stopwords) seg_score score_sentence(words, ...) # 越靠后的子句权重越高转折后是重点 total seg_score * (1 idx * 0.5) return total逻辑说明先用转折词把评论切成多个子句然后对每个子句单独打分靠后的子句乘上更高权重。参数0.5是权重增量可以根据语料特点调转折后情感更强烈就调大。这个技巧在酒店评论场景特别管用因为「先扬后抑」是差评的典型写法。验证调优效果的方法很简单把语料按 8:2 切成训练集和测试集在训练集上调词典和权重在测试集上看准确率变化。虽然词典法没有真正的「训练」过程但这个流程能防止你过拟合到某几条评论上。我习惯每次改完词典都跑一遍全量测试记录准确率只保留有提升的改动。从那以后我每次交 NLP 作业前都强制走一遍「错误分析 → 补词典 → 回归测试」的流程再也没出现过改一处崩一片的情况。希望帮到你。本文还有配套的精品资源点击获取