🎯 項目目標：

• 輸入一段藏文短句。
• 自動分析這句話的情感傾向：積極（正面）/消極（負面）/中立。

---

🔍 技術原理簡介

情感分析是什么？

情感分析（Sentiment Analysis）是自然語言處理的一個重要應用，目的是自動識別和提取文本中的情感傾向。

常用的情感分析方法：

• 基于規則的方法：
  使用情感詞典，對句子進行簡單判斷（適合初學）。

• 基于傳統機器學習的方法：
  使用分類算法，如支持向量機（SVM），通過特征工程進行分類。

• 基于深度學習的方法：
  使用神經網絡模型（如BERT、LSTM），自動學習文本的深層次語義，準確度更高。

我們本次項目使用簡單易上手的規則詞典方法進行演示，適合初學者理解和操作。

---

🛠? 一、項目環境準備

1?? Python安裝（已安裝可跳過）

• 推薦安裝Python 3.8以上版本。

2?? 安裝所需庫

在命令行輸入：

pip install pybo

---

📂 二、創建項目文件結構

創建項目文件夾sentiment_analysis，并準備以下文件：

sentiment_analysis/
│
├── sentiment_analyzer.py
├── sentiment_dict.txt
└── test_sentences.txt

---

📝 三、準備數據與情感詞典

1?? 創建藏文情感詞典（sentiment_dict.txt）

藏文情感詞典示例如下：

# 積極詞 Positive（每行：詞 空格 正面）
??????? positive
????????? positive
??????? positive# 消極詞 Negative（每行：詞 空格 負面）
???? negative
?????? negative
???????? negative
????? negative

說明：

• 文件用UTF-8格式保存。
• 每行一個藏文詞匯，后面跟情感標簽（positive 或 negative）。

中文釋義對應如下：

# 積極詞 Positive  
喜歡
快樂 
舒服# 消極詞 Negative 
壞的
壞人 
壞的 
歪曲

2?? 創建測試短句（test_sentences.txt）

例如：

?????????????
???????????????????????
????????????

中文分別為：

我愛快樂。
他不高興。
就這樣。

---

💻 四、編寫情感分析代碼（sentiment_analyzer.py）

打開sentiment_analyzer.py，輸入以下代碼：

from pybo import WordTokenizer# 步驟1：加載情感詞典
def load_sentiment_dict(filepath):sentiment_dict = {}with open(filepath, "r", encoding="utf-8") as f:for line in f:line = line.strip()if line and not line.startswith("#"):word, sentiment = line.split()sentiment_dict[word] = sentimentreturn sentiment_dict# 步驟2：分析句子情感
def analyze_sentiment(sentence, sentiment_dict, tokenizer):tokens = tokenizer.tokenize(sentence)print("調試：分詞結果 =", [token.text for token in tokens])positive_count = 0negative_count = 0for token in tokens:sentiment = sentiment_dict.get(token.text, "neutral")if sentiment == "positive":positive_count += 1elif sentiment == "negative":negative_count += 1# 判斷整體情感if positive_count > negative_count:return "積極 (positive)"elif negative_count > positive_count:return "消極 (negative)"else:return "中立 (neutral)"# 主程序運行
if __name__ == "__main__":tokenizer = WordTokenizer()sentiment_dict = load_sentiment_dict("sentiment_dict.txt")# 讀取測試句子with open("test_sentences.txt", "r", encoding="utf-8") as f:sentences = f.readlines()print("藏文情感分析結果：")for sentence in sentences:sentence = sentence.strip()sentiment_result = analyze_sentiment(sentence, sentiment_dict, tokenizer)print(f"句子：{sentence}")print(f"情感傾向：{sentiment_result}\n")

---

?? 五、運行程序，查看結果

在命令行中進入你的項目目錄并運行：

python sentiment_analyzer.py

輸出示例：

藏文情感分析結果：
調試：分詞結果 = ['??', '???????', '???', '?']
句子：????????????? #中文：我快樂。
情感傾向：積極 (positive)調試：分詞結果 = ['????', '??????', '????', '???', '?']
句子：?????????????????? #中文：他不高興。
情感傾向：消極 (negative)調試：分詞結果 = ['?????', '???', '???', '?']
句子：???????????? #中文：就這樣。
情感傾向：中立 (neutral)

---

🧠 原理講解

情感分析步驟（完整流程）：

1. 數據標注：
   人工或半自動對文本數據進行標注情感類別（積極、消極、中立）。

2. 文本特征提取：
   對文本進行分詞，提取詞匯、語法或語義特征。

3. 模型訓練與評估：

   • 傳統機器學習模型（如SVM）：
     • 基于標注數據訓練模型，預測情感類別。
   • 深度學習模型（如BERT）：
     • 利用預訓練模型微調，獲得更精準預測能力。

本文采用詞典方法，簡單直觀，適合零基礎快速理解并掌握情感分析的概念。

---

📌 常見問題與解決辦法

問題	原因	解決方法
未識別情感	情感詞典覆蓋不足	擴充情感詞典，增加積極和消極詞匯
中文亂碼或文件讀取錯誤	文件未用UTF-8編碼保存	用記事本或其他編輯器重開并以UTF-8格式保存

---

🚀 拓展練習（推薦）：

• 嘗試添加更多藏文句子到測試文件中，豐富你的情感分析結果。
• 擴展情感詞典，增加詞匯數量，提高準確性。
• 探索使用簡單機器學習工具，如sklearn的SVM分類器進一步提升性能。

---

🎉 恭喜你！你已經完成了藏文情感分析器項目的基礎實現。

未來可以進一步探索深度學習模型來提升精度，這個初級項目可以是深入學習人工智能的一個起點！