sentiment-analyzer

感情分析

詳細なスコアリング、感情の検出、可視化機能を使ってテキストの感情を分析します。単一のテキストや CSV ファイルを処理したり、時間の経過に伴う感情の傾向を追跡したりできます。

クイックスタート

from scripts.sentiment_analyzer import SentimentAnalyzer

# Analyze single text
analyzer = SentimentAnalyzer()
result = analyzer.analyze("I love this product! It's amazing.")
print(f"Sentiment: {result['sentiment']} ({result['score']:.2f})")

# Batch analyze CSV
results = analyzer.analyze_csv("reviews.csv", text_column="review")
analyzer.plot_distribution("sentiment_dist.png")

機能

• 感情分類：肯定的、否定的、中立を信頼度とともに分類します
• 極性スコアリング：-1.0（否定的）から +1.0（肯定的）まで
• 主観性の検出：客観的な内容か主観的な内容かを判定します
• 感情の検出：喜び、怒り、悲しみ、恐れ、驚き
• バッチ処理：任意のテキスト列を含む CSV ファイルを分析します
• 傾向分析：時間の経過に伴う感情を追跡します
• 可視化：分布図、傾向グラフ、ワードクラウド

API リファレンス

初期化

analyzer = SentimentAnalyzer()

単一テキストの分析

result = analyzer.analyze("This is great!")
# Returns:
# {
#     'text': 'This is great!',
#     'sentiment': 'positive',  # positive, negative, neutral
#     'score': 0.85,            # -1.0 to 1.0
#     'confidence': 0.92,       # 0.0 to 1.0
#     'subjectivity': 0.75,     # 0.0 (objective) to 1.0 (subjective)
#     'emotions': {'joy': 0.8, 'anger': 0.0, ...}
# }

バッチ分析

# From list
texts = ["Great product!", "Terrible service.", "It's okay."]
results = analyzer.analyze_batch(texts)

# From CSV
results = analyzer.analyze_csv(
    "reviews.csv",
    text_column="review_text",
    output="results.csv"
)

傾向分析

# Analyze sentiment over time
results = analyzer.analyze_csv(
    "posts.csv",
    text_column="content",
    date_column="posted_at"
)
analyzer.plot_trend("sentiment_trend.png")

可視化

# Sentiment distribution
analyzer.plot_distribution("distribution.png")

# Sentiment over time
analyzer.plot_trend("trend.png")

# Word cloud by sentiment
analyzer.plot_wordcloud("positive", "positive_words.png")

CLI の使い方

# Analyze single text
python sentiment_analyzer.py --text "I love this product!"

# Analyze file
python sentiment_analyzer.py --input reviews.csv --column review --output results.csv

# With visualization
python sentiment_analyzer.py --input reviews.csv --column text --plot distribution.png

# Trend analysis
python sentiment_analyzer.py --input posts.csv --column content --date posted_at --trend trend.png

CLI 引数

引数	説明	デフォルト
--text	分析する単一のテキスト	-
--input	入力 CSV ファイル	-
--column	テキスト列名	text
--date	傾向分析用の日付列	-
--output	出力 CSV ファイル	-
--plot	分布図を保存	-
--trend	傾向グラフを保存	-
--format	出力形式（json、csv）	json

例

製品レビューの分析

analyzer = SentimentAnalyzer()
results = analyzer.analyze_csv("amazon_reviews.csv", text_column="review")

# Summary statistics
positive = sum(1 for r in results if r['sentiment'] == 'positive')
negative = sum(1 for r in results if r['sentiment'] == 'negative')
print(f"Positive: {positive}, Negative: {negative}")

# Average sentiment score
avg_score = sum(r['score'] for r in results) / len(results)
print(f"Average sentiment: {avg_score:.2f}")

ソーシャルメディアのモニタリング

analyzer = SentimentAnalyzer()

# Analyze tweets with timestamps
results = analyzer.analyze_csv(
    "tweets.csv",
    text_column="tweet_text",
    date_column="created_at"
)

# Plot sentiment trend
analyzer.plot_trend("twitter_sentiment.png", title="Brand Sentiment Over Time")

顧客フィードバックの分類

analyzer = SentimentAnalyzer()

feedback = [
    "Your support team was incredibly helpful!",
    "The product broke after one day.",
    "Shipping was on time.",
    "I'm extremely disappointed with the quality.",
    "It works as expected, nothing special."
]

for text in feedback:
    result = analyzer.analyze(text)
    print(f"{result['sentiment'].upper():8} ({result['score']:+.2f}): {text[:50]}")

出力形式

JSON 出力

{
  "text": "I love this product!",
  "sentiment": "positive",
  "score": 0.85,
  "confidence": 0.92,
  "subjectivity": 0.75,
  "emotions": {
    "joy": 0.82,
    "anger": 0.02,
    "sadness": 0.01,
    "fear": 0.03,
    "surprise": 0.12
  }
}

CSV 出力

テキスト	感情	スコア	信頼度	主観性
素晴らしい製品です！	positive	0.85	0.91	0.80
ひどい……	negative	-0.72	0.88	0.65

依存関係

textblob>=0.17.0
pandas>=2.0.0
matplotlib>=3.7.0

制限事項

• 英語に最適化されています（他の言語では精度が低下する場合があります）
• 皮肉やアイロニーを正確に検出できない場合があります
• 文脈に依存する感情を検出できない場合があります
• 短いテキスト（5 語未満）は信頼度が低くなります