# Análise de Sentimentos em Português
LeIA (Léxico para Inferência Adaptada) é um fork do léxico e ferramenta para análise de sentimentos <a href="https://github.com/cjhutto/vaderSentiment">VADER</a> (Valence Aware Dictionary and sEntiment Reasoner) adaptado para textos em português, com suporte para emojis e foco na análise de sentimentos de textos expressos em mídias sociais - mas funcional para textos de outros domínios.
Modo de uso
A biblioteca preserva a API do VADER, e o texto de entrada não precisa ser pré-processado:
<pre>
from LeIA import SentimentIntensityAnalyzer
s = SentimentIntensityAnalyzer()
# Análise de texto simples
s.polarity_scores('Eu estou feliz')
#{'neg': 0.0, 'neu': 0.328, 'pos': 0.672, 'compound': 0.6249}
# Análise de texto com emoji :)
s.polarity_scores('Eu estou feliz :)')
#{'neg': 0.0, 'neu': 0.22, 'pos': 0.78, 'compound': 0.7964}
# Análise de texto com negação
s.polarity_scores('Eu não estou feliz')
#{'neg': 0.265, 'neu': 0.241, 'pos': 0.494, 'compound': 0.4404}
</pre>
A saída da análise de sentimentos é um dicionário com os seguintes campos:
- <code>pos</code>: porcentagem positiva do texto
- <code>neg</code>: porcentagem negativa do texto
- <code>neu</code>: porcentagem neutra do texto
- <code>compound</code>: valor de sentimento geral normalizado, variando de -1 (extremamente negativo) a +1 (extremamente positivo)
O valor <code>compound</code> pode ser utilizado para descrever o sentimento predominante no texto, por meio dos limites de valores:
- Sentimento positivo: <code>compound >= 0.05</code>
- Sentimento negativo: <code>compound <= -0.05</code>
- Sentimento neutro: <code>(compound > -0.05) and (compound < 0.05)</code>
Raw data
{
"_id": null,
"home_page": "https://github.com/wpcasarin/LeIA",
"name": "leia-br",
"maintainer": "",
"docs_url": null,
"requires_python": "",
"maintainer_email": "",
"keywords": "vader,sentiment,analysis,opinion,mining,nlp,text,data,text analysis,opinion analysis,sentiment analysis,text mining,twitter sentiment,opinion mining,social media,twitter,social,media",
"author": "C.J. Hutto",
"author_email": "cjhutto@gatech.edu",
"download_url": "https://files.pythonhosted.org/packages/7d/6a/276ffff6982b07b2fd94935447570089e45114c868801492489ffab3859d/leia-br-0.0.1.tar.gz",
"platform": "any",
"description": "# An\u00e1lise de Sentimentos em Portugu\u00eas\n\nLeIA (L\u00e9xico para Infer\u00eancia Adaptada) \u00e9 um fork do l\u00e9xico e ferramenta para an\u00e1lise de sentimentos <a href=\"https://github.com/cjhutto/vaderSentiment\">VADER</a> (Valence Aware Dictionary and sEntiment Reasoner) adaptado para textos em portugu\u00eas, com suporte para emojis e foco na an\u00e1lise de sentimentos de textos expressos em m\u00eddias sociais - mas funcional para textos de outros dom\u00ednios.\n\n\nModo de uso\nA biblioteca preserva a API do VADER, e o texto de entrada n\u00e3o precisa ser pr\u00e9-processado:\n\n<pre>\nfrom LeIA import SentimentIntensityAnalyzer \n\ns = SentimentIntensityAnalyzer()\n\n# An\u00e1lise de texto simples\ns.polarity_scores('Eu estou feliz')\n#{'neg': 0.0, 'neu': 0.328, 'pos': 0.672, 'compound': 0.6249}\n\n# An\u00e1lise de texto com emoji :)\ns.polarity_scores('Eu estou feliz :)')\n#{'neg': 0.0, 'neu': 0.22, 'pos': 0.78, 'compound': 0.7964}\n\n# An\u00e1lise de texto com nega\u00e7\u00e3o\ns.polarity_scores('Eu n\u00e3o estou feliz')\n#{'neg': 0.265, 'neu': 0.241, 'pos': 0.494, 'compound': 0.4404}\n</pre>\n\nA sa\u00edda da an\u00e1lise de sentimentos \u00e9 um dicion\u00e1rio com os seguintes campos:\n\n- <code>pos</code>: porcentagem positiva do texto\n- <code>neg</code>: porcentagem negativa do texto\n- <code>neu</code>: porcentagem neutra do texto\n- <code>compound</code>: valor de sentimento geral normalizado, variando de -1 (extremamente negativo) a +1 (extremamente positivo)\n\nO valor <code>compound</code> pode ser utilizado para descrever o sentimento predominante no texto, por meio dos limites de valores:\n\n- Sentimento positivo: <code>compound >= 0.05</code>\n- Sentimento negativo: <code>compound <= -0.05</code>\n- Sentimento neutro: <code>(compound > -0.05) and (compound < 0.05)</code>\n\n\n",
"bugtrack_url": null,
"license": "MIT License: http://opensource.org/licenses/MIT",
"summary": "LeIA (L\u00e9xico para Infer\u00eancia Adaptada) \u00e9 um fork do l\u00e9xico e ferramenta para an\u00e1lise de sentimentos VADER (Valence Aware Dictionary and sEntiment Reasoner) adaptado para textos em portugu\u00eas.",
"version": "0.0.1",
"split_keywords": [
"vader",
"sentiment",
"analysis",
"opinion",
"mining",
"nlp",
"text",
"data",
"text analysis",
"opinion analysis",
"sentiment analysis",
"text mining",
"twitter sentiment",
"opinion mining",
"social media",
"twitter",
"social",
"media"
],
"urls": [
{
"comment_text": "",
"digests": {
"md5": "84a2c8493e4b23e63db19966336910a0",
"sha256": "493f0bf44c1099f02b34d8d351aa461aa1714fea2d4b73516d3ab9b88eff3321"
},
"downloads": -1,
"filename": "leia_br-0.0.1-py2.py3-none-any.whl",
"has_sig": false,
"md5_digest": "84a2c8493e4b23e63db19966336910a0",
"packagetype": "bdist_wheel",
"python_version": "py2.py3",
"requires_python": null,
"size": 130026,
"upload_time": "2022-12-09T05:51:04",
"upload_time_iso_8601": "2022-12-09T05:51:04.186114Z",
"url": "https://files.pythonhosted.org/packages/48/23/3428280e47f5b05e295d33b879f6926a02ce92802ec9b7fc55d07b46be4f/leia_br-0.0.1-py2.py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": "",
"digests": {
"md5": "53515064b6b59f54bf77cd05b7ae007d",
"sha256": "6e663220492b331ced6aef614b8b15505f9735e281f70e1704ec4bcaab979d5d"
},
"downloads": -1,
"filename": "leia-br-0.0.1.tar.gz",
"has_sig": false,
"md5_digest": "53515064b6b59f54bf77cd05b7ae007d",
"packagetype": "sdist",
"python_version": "source",
"requires_python": null,
"size": 128645,
"upload_time": "2022-12-09T05:51:06",
"upload_time_iso_8601": "2022-12-09T05:51:06.446652Z",
"url": "https://files.pythonhosted.org/packages/7d/6a/276ffff6982b07b2fd94935447570089e45114c868801492489ffab3859d/leia-br-0.0.1.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2022-12-09 05:51:06",
"github": true,
"gitlab": false,
"bitbucket": false,
"github_user": "wpcasarin",
"github_project": "LeIA",
"travis_ci": false,
"coveralls": false,
"github_actions": false,
"lcname": "leia-br"
}
JSON
