在真实文本上计算极性

到目前为止，您已经了解了判断文本中正向或负向意图所需的基本要素。请记住以下要点，您就能对结果更有信心。

• 主观性词典 是预先定义的词表，收录与情绪或正负感受相关的词。
• 您不必在主观性词典中罗列每一个词，因为 Zipf 定律 描述了人类语言的用词分布。

一个快速入门的方法是使用带有内置主观性词典的 polarity() 函数。

该函数会扫描文本以识别出现在词典中的词。然后，它会围绕已识别的主观性词构建一个"簇"（cluster）。在这个簇内，价向移位词（valence shifters） 会调整得分。价向移位词是指能增强或否定该主观性词情感意图的词。例如，"well known" 是正向，而 "not well known" 是负向。这里的 "not" 是否定词，反转了 "well known" 的情感意图。相反，"very well known" 使用了增强词，使正向意图更强。

接着，polarity() 会基于主观性词、价向移位词，以及该段落的总词数来计算分数。本练习演示一次简单的极性计算。在下一个视频中，我们将更深入地了解 polarity() 的内部工作原理。