我已经完成了对我感兴趣的文本的网络抓取和清理，并且我还有想要应用到它的情感词列表。但是，我有一些概念和实施问题。

我的情绪词列表是分配给特定特征（例如否定、肯定等）的词的数据框。我目前有一个列表，其中每个元素都是等待分析的文本块。我不知道从这里去哪里。从我目前看到的资源来看，他们将他们的文本放在另一个模块的情感词列表中，该模块会为您处理它并简单地为您提供结果。

我需要澄清以下内容：

1. 我的情绪词列表包含词，它们在特定特征（例如正面和负面）上为 True(1)/False(0)。因此，在我正在分析的文本中，如果它包含也在我的情感词列表中的词，它们将连同它们的频率一起被添加到文档矩阵中。整体的正面和负面将与正面和负面词的频率成正比。我是否正确理解了这一点？

2. 我该如何实施呢？我不确定如何在 Count Vectorizer 中使用词汇参数。

from sklearn.feature_extraction.text import CountVectorizer
vc=CountVectorizer(vocabulary=sentiment_words)
vectors=vc.fit_transform(cleaned_text)

功能名称最终成为我用作自变量的功能。

(vc.get_feature_names())
['word',
 'negative',
 'positive',
 'uncertainty',]

特征名称应该是我的情感词列表中包含的实际词，对吧？我假设我需要更改情绪词列表数据框，但我不确定如何继续。另外，这里如何分配整体的正面和负面指标？

我对此很陌生，所以任何形式的澄清都会很棒！谢谢！