【注意】如果寻找分词和文本分析软件，为了完成内容分析和其他文本研究任务，直接使用集搜客分词和文本分析软件就可以了。本文是为了讲解集搜客分词和文本分析的实现原理，是给产品设计者和开发者看的。
自然语言处理NLP的一个应用就是情感分析Sentiment Analysis，它在社交内容的分析以及电商评论反馈分析中，都占有很高的分析价值，下面给大家整理了情感分析的入门框架。 1.分析目的 对文本的观点、喜好、情感倾向进行分类： （1）按情感倾向 / 极性划分；比如分为正面、负面、中性情感。 （2）按情感程度深浅划分；比如分为热爱、喜欢、一般、不喜欢、厌恶。 （3）按情感类别来划分；比如新闻分类。 通过分析研究对象的情感分布，可了解舆情，辅助商业预测、决策。 2.分析粒度 2.1.文档级 为观点型文档标记整体的情感倾向／极性 2.2.语句级 对文档内单独的语句，标记其主观分类 / 极性分类 通常会把句子分为积极、中立或消极3类 2.3.实体特征层面 aspect level 判断语句在实体特征层面的情感倾向 需要找到实体的特征 / 属性、情感词 3.分析方法 3.1.基于情感词典 根据已构建的情感词典，对待分析文本进行文本处理，抽取情感词，计算该文本的情感倾向。 分类效果取决于情感词典的完善性。 一般流程 （1）构建情感词典 情感词 程度词（非必须） 否定词：反转情感倾向 确定情感词、程度词的评分机制，以及否定词的反转机制 （2）对文本进行分词，匹配情感词典 （3）根据评分和反转机制，通过合适的算法，计算出文本的情感得分 3.2.基于机器学习 通过算法模型获取特征词，形成文本和词的矩阵，再利用机器学习/深度学习等方法进行分。 分类效果取决于训练文本的选择以及正确的情感标注。 一般流程 （1）选一部分语料，标记出情感分类 （2）对语料进行分词，通过合适的模型算法转换成词向量，获取特征词 （3）搭建模型，对数据进行训练和测试，调整稳定后形成分类器 （4）用分类器对新语料进行分类 4.发展趋势 多模态情感分析 把文本＋语音＋图像作为输入，都转成空间向量做分析。 参考资料： https://www.zhihu.com/question/20162965/answer/94478394 https://zhuanlan.zhihu.com/p/33325977 https://www.zhihu.com/question/20700012/answer/23452462 https://blog.csdn.net/u010899985/article/details/81390600 |
