无法更新 VADER 词典

Question

print(news['title'][5]) 秘鲁-厄瓜多尔边境地区发生 7.5 级地震 - 印度教

print(analyser.polarity_scores(news['title'][5])) {'neg'：0.0，'neu'：1.0，'pos'：0.0，'compound'：0.0}

from nltk.tokenize import word_tokenize, RegexpTokenizer

import pandas as pd

from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer


analyzer = SentimentIntensityAnalyzer()


sentence = news['title'][5]

tokenized_sentence = nltk.word_tokenize(sentence)
pos_word_list=[]
neu_word_list=[]
neg_word_list=[]

for word in tokenized_sentence:
    if (analyzer.polarity_scores(word)['compound']) >= 0.1:
        pos_word_list.append(word)
    elif (analyzer.polarity_scores(word)['compound']) <= -0.1:
        neg_word_list.append(word)
    else:
        neu_word_list.append(word)                

print('Positive:',pos_word_list)
print('Neutral:',neu_word_list)
print('Negative:',neg_word_list) 
score = analyzer.polarity_scores(sentence)
print('\nScores:', score)

正面：[] 中性：['Magnitude'、'7.5'、'quake'、'hits'、'Peru-Ecuador'、'border'、'region'、'-'、'The', 'Hindu'] 否定：[]

分数：{'neg'：0.0，'neu'：1.0，'pos'：0.0，'compound'：0.0}

new_words = {
    'Peru-Ecuador': -2.0,
    'quake': -3.4,
}

analyser.lexicon.update(new_words)
print(analyzer.polarity_scores(sentence))

{'neg': 0.0, 'neu': 1.0, 'pos': 0.0, 'compound': 0.0}

from nltk.tokenize import word_tokenize, RegexpTokenizer

import pandas as pd

from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer


analyzer = SentimentIntensityAnalyzer()


sentence = news['title'][5]

tokenized_sentence = nltk.word_tokenize(sentence)
pos_word_list=[]
neu_word_list=[]
neg_word_list=[]

for word in tokenized_sentence:
    if (analyzer.polarity_scores(word)['compound']) >= 0.1:
        pos_word_list.append(word)
    elif (analyzer.polarity_scores(word)['compound']) <= -0.1:
        neg_word_list.append(word)
    else:
        neu_word_list.append(word)                

print('Positive:',pos_word_list)
print('Neutral:',neu_word_list)
print('Negative:',neg_word_list) 
score = analyzer.polarity_scores(sentence)
print('\nScores:', score)

正面：[] 中性：['Magnitude'、'7.5'、'quake'、'hits'、'Peru-Ecuador'、'border'、'region'、'-'、'The', 'Hindu'] 否定：[]

分数：{'neg'：0.0，'neu'：1.0，'pos'：0.0，'compound'：0.0}

Answer 1

您使用的代码绝对没问题。在更新字典时，您使用 analyser 而不是 analyzer（不知道为什么没有收到错误）。

new_words = {
    'Peru-Ecuador': -2.0,
    'quake': -3.4,
}

analyzer.lexicon.update(new_words)
print(analyzer.polarity_scores(sentence))

输出：

{'neg': 0.355, 'neu': 0.645, 'pos': 0.0, 'compound': -0.6597}

再提醒一下（不知道你是不是犯了这个错误。）您不应该再次导入该库。因为你更新的话会没了。步骤应该是：

导入库和字典
更新字典（此步骤后您不应该再次导入库）
计算情绪分数

无法更新 VADER 词典

Cannot update VADER lexicon

nlp

nltk

sentiment-analysis

vader

natural-language-processing