文本情感分析的学习笔记

一.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。

二.分析粒度

1.文档级

为观点型文档标记整体的情感倾向／极性

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

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

三.分析方法

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

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

四.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。

End

作者：华天清

来源：知乎

本文均已和作者授权，如转载请与作者联系。