def analiasar_sentimento():
nova_fachada = Fachada()
resenha = request.form['txtResenha']
documento = nova_fachada.analisar_sentimento_documento(resenha)
if documento.categoria == 'pos':
sentimento = 'positivo'
elif documento.categoria == 'neg':
sentimento = 'negativo'
# sentimento = documento.categoria
# Dispoẽ os elementos no template html 'resultado_analise' (gráfico, tweets)
return render_template('home.html', sentimento=sentimento, resenha=resenha)
def analiasar_sentimento():
nova_fachada = Fachada()
resenha = request.form['txtResenha']
documento = nova_fachada.analisar_sentimento_documento(resenha)
if documento.categoria == 'pos':
sentimento = 'positivo'
elif documento.categoria == 'neg':
sentimento = 'negativo'
# sentimento = documento.categoria
# Dispoẽ os elementos no template html 'resultado_analise' (gráfico, tweets)
return render_template('home.html', sentimento=sentimento, resenha=resenha)
def analisar_sentimento_conjunto():
paths = {PERCY_JACKSON: "/home/lucas/Documents/mineracao_opiniao/resenhas_percy_jackson",
JOGOS_VORAZES: "/home/lucas/Documents/mineracao_opiniao/resenhas_jogos_vorazes",
CONVERGENTE: "/home/lucas/Documents/mineracao_opiniao/resenhas_convergente",
CIDADES_DE_PAPEL: "/home/lucas/Documents/mineracao_opiniao/resenhas_cidades_de_papel"}
diretorio_destino_grafico = "/home/lucas/Documents/mineracao_opiniao/graficos"
titulo_livro = request.form['titulo_livro']
documentos_path = paths[titulo_livro]
documentos = ArquivoUtil().ler_documentos(documentos_path, None)
documentos_classificados = []
# Pequena correção no título do livro
documento = Documento(titulo_livro, None, None, None)
titulo_livro = DivideCamelCaseCommand().execute(documento).texto
data_analise = time.strftime("%d/%m/%Y")
horario_analise = time.strftime("%H:%M:%S")
nova_fachada = Fachada()
qtde_pos = 0
qtde_neg = 0
for documento in documentos:
documento_classificado = nova_fachada.analisar_sentimento_documento(documento.texto)
documento_classificado.texto = documento.texto # Substitui o texto processado pelo original
documentos_classificados.append(documento_classificado)
if documento_classificado.categoria == "pos":
qtde_pos += 1
elif documento_classificado.categoria == "neg":
qtde_neg += 1
# Calcula porcentagem de resenhas positivas e negativas
porcentagens = CalculoUtil().calcular_porcentagem_opinioes(qtde_pos, qtde_neg)
porcentagem_pos = porcentagens[CalculoUtil().PORCENTAGEM_POSITIVA]
porcentagem_neg = porcentagens[CalculoUtil().PORCENTAGEM_NEGATIVA]
grafico = GraficoUtil()
nome_grafico = grafico.construir_grafico_pizza(porcentagem_pos, porcentagem_neg, titulo_livro, diretorio_destino_grafico)
'''nome_grafico = grafico.salvar_grafico(grafico_pizza, titulo_livro,
diretorio_destino_grafico)'''
return render_template('resultado_analise.html',
documentos=documentos_classificados, titulo_livro=titulo_livro,
data_analise=data_analise, horario_analise=horario_analise,
grafico_pizza=nome_grafico)
#!/usr/bin/python
# -*- coding: utf-8 -*-
from controle.fachada import Fachada
from dominio.entidades import Documento
from util.classificador_util import ClassificadorUtil
from util.corpus_util import CorpusUtil
import codecs
import os
from random import shuffle
from util.arquivo_util import ArquivoUtil
if __name__ == '__main__':
texto = raw_input("Resenha: ")
nova_fachada = Fachada()
# texto = "Incrível apaixonante emocionante."
# texto = u"""Imprestável Puro lixo!"""
# texto = u"livro cansativo, massante."
# texto = "livro apaixonante, lindo!"
# texto = u"péssimo horrível desisti enfadonho"
# texto = u"livro muito chato"
documento = nova_fachada.analisar_sentimento_documento(texto)
print "-- sentimento: %s." % documento.categoria
def analisar_sentimento_conjunto():
paths = {
PERCY_JACKSON:
"/home/lucas/Documents/mineracao_opiniao/resenhas_percy_jackson",
JOGOS_VORAZES:
"/home/lucas/Documents/mineracao_opiniao/resenhas_jogos_vorazes",
CONVERGENTE:
"/home/lucas/Documents/mineracao_opiniao/resenhas_convergente",
CIDADES_DE_PAPEL:
"/home/lucas/Documents/mineracao_opiniao/resenhas_cidades_de_papel"
}
diretorio_destino_grafico = "/home/lucas/Documents/mineracao_opiniao/graficos"
titulo_livro = request.form['titulo_livro']
documentos_path = paths[titulo_livro]
documentos = ArquivoUtil().ler_documentos(documentos_path, None)
documentos_classificados = []
# Pequena correção no título do livro
documento = Documento(titulo_livro, None, None, None)
titulo_livro = DivideCamelCaseCommand().execute(documento).texto
data_analise = time.strftime("%d/%m/%Y")
horario_analise = time.strftime("%H:%M:%S")
nova_fachada = Fachada()
qtde_pos = 0
qtde_neg = 0
for documento in documentos:
documento_classificado = nova_fachada.analisar_sentimento_documento(
documento.texto)
documento_classificado.texto = documento.texto # Substitui o texto processado pelo original
documentos_classificados.append(documento_classificado)
if documento_classificado.categoria == "pos":
qtde_pos += 1
elif documento_classificado.categoria == "neg":
qtde_neg += 1
# Calcula porcentagem de resenhas positivas e negativas
porcentagens = CalculoUtil().calcular_porcentagem_opinioes(
qtde_pos, qtde_neg)
porcentagem_pos = porcentagens[CalculoUtil().PORCENTAGEM_POSITIVA]
porcentagem_neg = porcentagens[CalculoUtil().PORCENTAGEM_NEGATIVA]
grafico = GraficoUtil()
nome_grafico = grafico.construir_grafico_pizza(porcentagem_pos,
porcentagem_neg,
titulo_livro,
diretorio_destino_grafico)
'''nome_grafico = grafico.salvar_grafico(grafico_pizza, titulo_livro,
diretorio_destino_grafico)'''
return render_template('resultado_analise.html',
documentos=documentos_classificados,
titulo_livro=titulo_livro,
data_analise=data_analise,
horario_analise=horario_analise,
grafico_pizza=nome_grafico)
# lista com o conteúdo de todos estes documentos.
with codecs.open(documentos_path + '/' + nome_documento, 'r',
'utf-8') as f:
texto = f.read()
documentos.append(
Documento(texto, None, corpus, nome_documento))
classificador = ClassificadorUtil().abrir_classificador_treinado(
classificador_path)
qtde_pos = 0
qtde_neg = 0
for documento in documentos:
# print documento.texto
documento = nova_fachada.processar_documento(documento)
sentimento = nova_fachada.analisar_sentimento_documento(
documento, classificador)
if sentimento == 'pos':
qtde_pos += 1
print documento.nome
break
elif sentimento == 'neg':
qtde_neg += 1
print "-- sentimento: %s." % sentimento
print "-- quantidade positiva: %d" % qtde_pos
print "-- quantidade negativa: %d" % qtde_neg
# print palavras_frequentes_corpus
# print "-- sentimento: %s." % sentimento
if nome_documento.endswith('.txt'):
# Lê todos os novos documentos coletados e monta uma
# lista com o conteúdo de todos estes documentos.
with codecs.open(documentos_path + '/' + nome_documento, 'r', 'utf-8') as f:
texto = f.read()
documentos.append(Documento(texto, None, corpus, nome_documento))
classificador = ClassificadorUtil().abrir_classificador_treinado(classificador_path)
qtde_pos = 0
qtde_neg = 0
for documento in documentos:
# print documento.texto
documento = nova_fachada.processar_documento(documento)
sentimento = nova_fachada.analisar_sentimento_documento(documento, classificador)
if sentimento == 'pos':
qtde_pos += 1
print documento.nome
break
elif sentimento == 'neg':
qtde_neg += 1
print "-- sentimento: %s." % sentimento
print "-- quantidade positiva: %d" % qtde_pos
print "-- quantidade negativa: %d" % qtde_neg
# print palavras_frequentes_corpus
# print "-- sentimento: %s." % sentimento
