معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A library to extract emotions using two methods, 1- Using lexicon based, counting frequency of emotion2- Integrating TFIDF to add a contextNote that lexicon license is for research purposes only.

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	EmoTFIDF-1.0.9
نام	EmoTFIDF
نسخه کتابخانه	1.0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	mmsa12
ایمیل نویسنده	mmsa12@gmail.com
آدرس صفحه اصلی	https://github.com/mmsa/emotfidf
آدرس اینترنتی	https://pypi.org/project/EmoTFIDF/
مجوز	-

EmoTFIDF is an emotion detection library (Lexicon approach) based in the National Research Council Canada (NRC) and this package is for research purposes only. Source: [lexicons for research] (http://sentiment.nrc.ca/lexicons-for-research/) #This library provides two types of emotions: 1- Lexicon based emotions which counting the frequency of the emotion based on the lexicon 2- Integrating TFIDF to add a context to the emotions. #Installation ```python pip install EmoTFIDF ``` #List of emotions -fear -anger -anticipation -trust -surprise -positive -negative -sadness -disgust -joy #Example of usage ##Get emotions from a sentence ```python from emotfidf import EmoTFIDF comment = "I had a GREAT week, thanks to YOU! I am very happy today." emTFIDF = EmoTFIDF() emTFIDF.set_text(comment) print(emTFIDF.em_frequencies) ``` ##Get emotions factorising TFIDF, you will need to add a context Below is an example in pandas assuming you have a list of tweets/text and you would want to get emotions ```python emTFIDF = EmoTFIDF() def getEmotionsTFIDF(s,emTFIDF): emTFIDF.set_text(s) emTFIDF.get_emotfidf() return emTFIDF.em_tfidf emTFIDF.computeTFIDF(df['text']) df['emotions'] = new_df.apply(lambda x: getEmotionsTFIDF(x['text'], emTFIDF), axis=1)#em_tfidf df2 = df['emotions'].apply(pd.Series) final_df = pd.concat([df,df2],axis=1) ``` ##Update 1.0.7 Thanks to [artofchores](https://www.reddit.com/user/artofchores/), from Reddit for his feedback. Added a set_lexicon_path option if you would like to use your own lexicon Remember to keep the same structure as the original emotions lexicon which located [here](https://raw.githubusercontent.com/mmsa/EmoTFIDF/main/emotions_lex.json) ``` emTFIDF.set_lexicon_path("other_lexicon.json") ``` ##Update 1.0.8 Allow users to remove the two sentiments (Positive and Negative) from the output emotions ``` emTFIDF.remove_sentiments(1) ```

زبان مورد نیاز

مقدار	نام
>=2.7	Python

نحوه نصب

نصب پکیج whl EmoTFIDF-1.0.9:

pip install EmoTFIDF-1.0.9.whl

نصب پکیج tar.gz EmoTFIDF-1.0.9:

pip install EmoTFIDF-1.0.9.tar.gz