如何用Python进行文本情感分析？

文本情感分析是自然语言处理中的一个重要应用，它可以用来识别一段文字的情绪倾向，如正面、负面或中立。在Python中，有许多库可以帮助我们进行情感分析，其中最常用的是`NLTK`, `TextBlob`, `VADER`以及深度学习库`TensorFlow`和`Keras`配合`GloVe`或`BERT`等预训练模型。

以下是一个使用`TextBlob`库进行简单情感分析的例子：

from textblob import TextBlob

def sentiment_analysis(text):
    blob = TextBlob(text)
    if blob.sentiment.polarity > 0:
        return 'positive'
    elif blob.sentiment.polarity < 0:
        return 'negative'
    else:
        return 'neutral'

text = "这是一段示例文本，表达了积极的情感。"
print(sentiment_analysis(text))

`TextBlob`根据预先训练好的模型对英文文本进行分析，返回一个介于-1（非常消极）到1（非常积极）之间的polarity值，然后根据阈值判断情感倾向。

对于中文文本，可以使用`SnowNLP`或`jieba`配合其他工具（如SentiWordNet）进行分析，不过这些工具通常针对英文有较好的支持。

如果要使用深度学习进行更精确的情感分析，你可以考虑使用预训练的词嵌入和神经网络模型，例如加载`BERT`模型并对其进行微调：

from transformers import pipeline
nlp = pipeline("sentiment-analysis", model="bert-base-chinese")

text = "这是测试的一段中文文本..."
prediction = nlp(text)[0]
print(f"预测情感：{prediction['label']}, 概率：{prediction['score']}")