背景介绍

在现代数据分析中，文本分类是人工智能应用的重要环节。该问题要求开发者实现一个简单的文本分类程序，将输入的文本数据划分为正面或负面类别。该程序可独立运行，使用Python库如NLTK或简单逻辑判断，要求1-3天实现，重点在于理解分类算法的应用。

思路分析

1. 输入处理

输入是一个包含用户评论的文本列表，输出需显示分类结果。该任务的关键在于如何高效地处理输入数据并进行分类判断。

2. 分类逻辑

该程序采用简单逻辑判断，根据关键词组合进行分类：

• 如果文本中包含关键词“like”和“hate”，则分类为负面；
• 否则，分类为正面。

3. 代码实现

以下为实现代码：

import collections

def classify_text(text_list):
    # 统计词语出现频率
    word_freq = collections.Counter(text_list)

    # 判断是否包含负面关键词
    if "like" in word_freq and "hate" in word_freq:
        return "负面：1个"
    else:
        return "正面：1个"

示例运行

text = ["I like this product", "I really hate it"]
print(classify_text(text))

总结

该程序展现了文本分类的简易实现方式，通过统计词语频率并判断关键词组合，实现了分类功能。该算法简单明了，符合项目要求，同时强调了学习价值。该代码可运行，适用于处理包含常见负面词汇的文本数据，是理解和实现文本分类的入门示例。