def analisar_sentimento_documento(self, texto):
# Instancia um documento com o texto recebido por parametro
documento = Documento(texto, None, self._CORPUS, "nome")
# Processa o documento, antes de analisar o sentimento deste
documento = self.processar_documento(documento)
# Abre classificador
classificador = ClassificadorUtil().abrir_classificador_treinado(self._CLASSIFICADOR_PATH)
# Abre o arquivo com as palavras frequentes do corpus
palavras_frequentes = self._CORPUS.abrir_arquivo_palavras_frequentes(self._PATH_PALAVRAS_FREQUENTES_CORPUS)
# palavras_frequentes = None
# Analisa o sentimento do texto do documento e o retorna
sentimento = classificador.classify(Documento.get_features(documento, palavras_frequentes))
documento.categoria = sentimento
return documento
def analisar_sentimento_documento(self, texto):
# Instancia um documento com o texto recebido por parametro
documento = Documento(texto, None, self._CORPUS, "nome")
# Processa o documento, antes de analisar o sentimento deste
documento = self.processar_documento(documento)
# Abre classificador
classificador = ClassificadorUtil().abrir_classificador_treinado(
self._CLASSIFICADOR_PATH)
# Abre o arquivo com as palavras frequentes do corpus
palavras_frequentes = self._CORPUS.abrir_arquivo_palavras_frequentes(
self._PATH_PALAVRAS_FREQUENTES_CORPUS)
# palavras_frequentes = None
# Analisa o sentimento do texto do documento e o retorna
sentimento = classificador.classify(
Documento.get_features(documento, palavras_frequentes))
documento.categoria = sentimento
return documento
nomes = os.listdir(documentos_path)
shuffle(nomes)
documentos = []
for nome_documento in nomes:
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
#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
Created on Mon Aug 24 22:34:21 2015
@author: lucas
"""
from controle.fachada import Fachada
from util.classificador_util import ClassificadorUtil
CORPUS_RAIZ = "/home/lucas/Documents/mineracao_opiniao/corpus_resenhas_livros_processadas_c"
DIRETORIO_DESTINO = "/home/lucas/Documents/mineracao_opiniao/classificadores_treinados"
nova_fachada = Fachada()
classificador = nova_fachada.treinar_classificador(CORPUS_RAIZ)
resultado = ClassificadorUtil().salvar_classificador_treinado(
classificador, "3860_resenhas_negacao", DIRETORIO_DESTINO)
if resultado:
print "-- Classificador salvo com sucesso."
# -*- coding: utf-8 -*-
from util.classificador_util import ClassificadorUtil
if __name__ == '__main__':
classificador_path = "/home/lucas/Documents/mineracao_opiniao/classificadores_treinados/" \
"naive_bayes_3860_resenhas_2015-09-25.00.52.23.944959.pickle"
classificador = ClassificadorUtil().abrir_classificador_treinado(
classificador_path)
print classificador.show_most_informative_features(15)
# -*- coding: utf-8 -*-
from util.classificador_util import ClassificadorUtil
if __name__ == '__main__':
classificador_path = "/home/lucas/Documents/mineracao_opiniao/classificadores_treinados/" \
"naive_bayes_3860_resenhas_2015-09-25.00.52.23.944959.pickle"
classificador = ClassificadorUtil().abrir_classificador_treinado(classificador_path)
print classificador.show_most_informative_features(15)
