支持向量机是AI开发中最常见的一种算法。之前我们已经一起初步了解了它的概念和应用，今天我们用它来进行一次文本情感分析训练。

一、概念温习

支持向量机（SVM）是一种监督学习算法，广泛用于分类和回归问题。

它的核心思想是通过在高维空间中寻找一个超平面，将数据分成不同的类别。SVM 通过最大化类间的边界（即间隔）来提高模型的泛化能力，尤其适合处理小样本和高维数据。

SVM 在文本情感分析中的作用尤为突出，因为文本数据通常具有高维特征（例如词汇表的大小），而 SVM 擅长于处理这种维度较高的稀疏数据。

通过将文本转化为数值特征（如 TF-IDF），SVM 能有效地在情感分类任务中学习到情感标签与文本内容之间的关系。尤其在情感分析中，SVM 能够识别出情感倾向的关键特征，从而准确地对文本进行分类（如“积极”或“消极”）。其优越的分类性能和对高维数据的适应性使得 SVM 成为情感分析中常用的算法。

图1. 支持向量机的特点 

二、实现逻辑

一个用Python 和支持向量机（SVM）实现的情感分析主要逻辑是这样的：

• 首先，脚本加载一个包含文本和标签（“Positive”或“Negative”）的 JSON 数据集，并将标签转换为二元分类（1 为积极，0 为消极）。
• 接着，使用 TfidfVectorizer 将文本数据转换为数值特征，去除常见的停用词并限制特征维度。
• 然后，使用 SVM 模型（线性核）对训练集进行训练，评估其在测试集上的表现，输出分类报告。
• 训练完成后，模型和 TF-IDF 向量化器被保存为文件，以便后续加载使用。
• 我们还需要一个调用函数 可以命名为：predict_sentiment，用于加载保存的模型并对新输入的文本进行情感预测。整个流程为文本情感分类任务提供了一个标准的解决方案。

我们可以用这样一个流程框图来描述整个过程：（点击放大查看）

图2. 案例实现逻辑 

 三、训练数据准备

在机器学习中，数据是模型训练的基础，直接影响模型的性能和准确性。对于文本情感分析任务，data.json 中的训练数据至关重要。该数据集包含大量标注了情感标签（“Positive”和“Negative”）的文本，能够为模型提供学习情感分类的实例。

通过这些带标签的文本，支持向量机（SVM）可以识别文本中的情感特征，并学会区分不同情感类别。在情感分析中，数据的质量和多样性决定了模型的泛化能力。如果数据集中的文本种类丰富、情感标签明确且分布均匀，模型能够更好地捕捉到情感表达的细微差异。此外，适当的训练数据量能帮助减少过拟合，提升模型在新数据上的表现。因此，data.json 提供的训练素材为模型提供了必要的输入和监督信息，是模型准确预测情感的重要保障。

在案例中，我的素材内包括了50个短句和与之对应的标签，以供模型训练使用，我将这个标签文件放在了素材中，需要的可自行下载。 

SVM 是一种非常适合文本分类的算法，尤其是当文本数据不太多且维度较高时。下面是一个完整的步骤说明，帮助你使用 Python 实现 SVM 来训练和保存一个情感分析模型。

四、实现步骤概述：

1. 数据预处理：加载数据，进行必要的文本处理（如分词、去除停用词等）。
2. 特征提取：将文本数据转换为数值形式（通常使用 TF-IDF）。
3. 训练模型：使用支持向量机（SVM）来训练情感分析模型。
4. 模型保存：将训练好的模型保存，以便以后使用。
5. 模型调用：加载保存的模型并进行预测。

1. 安装必要的库

首先，确保你安装了必要的 Python 库。你可以使用以下命令安装：

pip install scikit-learn numpy pandas joblib

2. 数据加载与预处理

假设你已经将数据保存到 data.json 文件中，首先加载数据，并对文本进行预处理。(data.json 我已经放在本文的资源中)

import json
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.svm import SVC
from sklearn.metrics import classification_report
import joblib

# 加载 JSON 数据
with open('data.json', 'r') as file:
    data = json.load(file)

# 创建 DataFrame
df = pd.DataFrame({
    'text': data['text'],
    'label': data['label']
})

# 将标签转换为数字，'Positive' -> 1, 'Negative' -> 0
df['label'] = df['label'].apply(lambda x: 1 if x == 'Positive' else 0)

# 分割数据为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(df['text'], df['label'], test_size=0.3, random_state=42)

# 显示数据分割情况
print(f"训练集大小: {len(X_train)}, 测试集大小: {len(X_test)}")

3. 特征提取（使用 TF-IDF）

我们将使用 TF-IDF 来将文本数据转换为数值特征。TF-IDF 是一种常见的文本特征提取方法，它考虑了词频和逆文档频率。

# 创建 TF-IDF 向量化器
tfidf_vectorizer = TfidfVectorizer(stop_words='english', max_features=5000)

# 训练 TF-IDF 向量化器并转换训练集和测试集
X_train_tfidf = tfidf_vectorizer.fit_transform(X_train)
X_test_tfidf = tfidf_vectorizer.transform(X_test)

4. 训练支持向量机（SVM）模型

现在，我们可以训练一个支持向量机（SVM）模型，进行文本分类。

# 创建 SVM 分类器
svm_classifier = SVC(kernel='linear')  # 使用线性核函数

# 训练模型
svm_classifier.fit(X_train_tfidf, y_train)

# 预测
y_pred = svm_classifier.predict(X_test_tfidf)

# 输出模型性能评估
print(classification_report(y_test, y_pred))

5. 保存模型

训练完成后，我们可以将模型保存为一个文件，以便以后加载并使用。

# 保存 SVM 模型和 TF-IDF 向量化器
joblib.dump(svm_classifier, 'svm_sentiment_model.pkl')
joblib.dump(tfidf_vectorizer, 'tfidf_vectorizer.pkl')

print("模型已保存!")

6. 加载模型并进行预测

按照上面的操作以后，你可以随时加载保存的模型来进行预测。以下是如何加载并使用保存的模型：

# 加载已保存的模型和 TF-IDF 向量化器
svm_model = joblib.load('svm_sentiment_model.pkl')
tfidf_vectorizer = joblib.load('tfidf_vectorizer.pkl')

# 示例预测
def predict_sentiment(text):
    # 将文本转换为 TF-IDF 特征
    text_tfidf = tfidf_vectorizer.transform([text])
    # 使用模型进行预测
    prediction = svm_model.predict(text_tfidf)
    return "Positive" if prediction[0] == 1 else "Negative"

# 测试预测
sample_text = "I am so happy with my new job!"
result = predict_sentiment(sample_text)
print(f"预测情感: {result}")

五、完整代码总结：

import json
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.svm import SVC
from sklearn.metrics import classification_report
import joblib

# 加载 JSON 数据
with open('data.json', 'r') as file:
    data = json.load(file)

# 创建 DataFrame
df = pd.DataFrame({
    'text': data['text'],
    'label': data['label']
})

# 将标签转换为数字
df['label'] = df['label'].apply(lambda x: 1 if x == 'Positive' else 0)

# 分割数据为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(df['text'], df['label'], test_size=0.3, random_state=42)

# TF-IDF 向量化
tfidf_vectorizer = TfidfVectorizer(stop_words='english', max_features=5000)
X_train_tfidf = tfidf_vectorizer.fit_transform(X_train)
X_test_tfidf = tfidf_vectorizer.transform(X_test)

# 训练 SVM 模型
svm_classifier = SVC(kernel='linear')
svm_classifier.fit(X_train_tfidf, y_train)

# 预测
y_pred = svm_classifier.predict(X_test_tfidf)
print(classification_report(y_test, y_pred))

# 保存模型
joblib.dump(svm_classifier, 'svm_sentiment_model.pkl')
joblib.dump(tfidf_vectorizer, 'tfidf_vectorizer.pkl')

# 加载模型并进行预测
def predict_sentiment(text):
    text_tfidf = tfidf_vectorizer.transform([text])
    prediction = svm_classifier.predict(text_tfidf)
    return "Positive" if prediction[0] == 1 else "Negative"

sample_text = "I am so happy with my new job!"
result = predict_sentiment(sample_text)
print(f"预测情感: {result}")

这样我们就可以用训练好的 SVM 模型来进行文本情感分析了！

六、测似结果

负面文本测试结果：

正面文本测试结果：

 

需要注意的是：实际上，训练数据中的50条样本，远远不足以训练出一个可以真实应用的模型，因此才测试的时候，你可以将数据中的原文短句进行测试，这样准确率会很高。

七、应用场景 

虽然这个模型看起来很简单，能处理的情感维度也比较低，但是在实践中，是有很多这样的应用场景的，以下是一些适用场景：

1. 小型文本数据集

当训练数据集相对较小且标注数据有限时，SVM 模型能够有效工作。它通过最大化类别间的间隔，能够在样本较少的情况下提供较好的泛化能力。因此，对于一些规模较小的情感分析任务，这种简单模型非常适用。

2. 情感分类任务

适用于较为简单的情感分类任务，比如判断用户评价、评论或社交媒体帖子中的情感倾向（如正面或负面）。如果文本内容较短，特征维度不高，SVM 能够较好地学习文本的情感模式。

3. 低资源环境

在硬件或计算资源受限的环境下，SVM 由于其相对较小的内存需求和计算复杂度，适合在资源有限的设备上运行，比如移动端或边缘计算设备。

4. 不需要深度语义理解的应用

当任务的文本情感较为直接和明显时，简单的 SVM 模型能够有效分类。例如，用户评论中的情感一般较为直接（如“这款产品太好用了” vs “这个产品太差了”）。这类场景不需要复杂的深度学习模型，SVM 可以提供足够的准确性。

5. 需要快速部署和预测的场景

在需要快速部署并进行情感分类的场景中，简单的 SVM 模型可以快速训练并进行预测。由于模型较小，训练和推理速度较快，非常适合实时情感分析系统（如实时监测社交媒体评论或产品评价）。

6. 应用于情感标签较少的任务

如果情感分类任务中的标签较少（比如只有正面和负面两个情感类别），SVM 模型非常适用。其线性核函数能够快速找到最佳分隔超平面，并且能较好地处理二分类问题。

这次的模型训练主要是为了讲解如何实现的方法。有问题可以留言我们一起讨论！

谢谢观看本文！感谢点赞关注！