情感分析的方法

❶ 中文情感分析 的難點在哪

情感分析（Sentiment Analysis）
第一步，就是確定一個詞是積極還是消極，是主觀還是客觀。這一步主要依靠詞典。
英文已經有偉大詞典資源：SentiWordNet. 無論積極消極、主觀客觀，還有詞語的情感強度值都一並拿下。
但在中文領域，判斷積極和消極已經有不少詞典資源，如Hownet，NTUSD但用過這些詞典就知道，效果實在是不咋滴（最近還發現了大連理工發布的情感詞彙本體庫，不過沒用過，不好評價）。中文這方面的開源真心不夠英文的做得細致有效。而中文識別主客觀，那真的是不能直視。
中文領域難度在於：詞典資源質量不高，不細致。另外缺乏主客觀詞典。

第二步，就是識別一個句子是積極還是消極，是主觀還是客觀。
有詞典的時候，好辦。直接去匹配看一個句子有什麼詞典裡面的詞，然後加總就可以計算出句子的情感分值。
但由於不同領域有不同的情感詞，比如看上面的例子，「藍屏」這個詞一般不會出現在情感詞典之中，但這個詞明顯表達了不滿的情緒。因此需要另外根據具體領域構建針對性的情感詞典。
如果不那麼麻煩，就可以用有監督的機器學習方法。把一堆評論扔到一個演算法裡面訓練，訓練得到分類器之後就可以把評論分成積極消極、主觀客觀了。
分成積極和消極也好辦，還是上面那個例子。5顆星的評論一般來說是積極的，1到2顆星的評論一般是消極的，這樣就可以不用人工標注，直接進行訓練。但主客觀就不行了，一般主客觀還是需要人來判斷。加上中文主客觀詞典不給力，這就讓機器學習判斷主客觀更為困難。
中文領域的難度：還是詞典太差。還有就是用機器學習方法判斷主客觀非常麻煩，一般需要人工標注。
另外中文也有找到過資源，比如這個用Python編寫的類庫：SnowNLP. 就可以計算一句話的積極和消極情感值。但我沒用過，具體效果不清楚。

到了第三步，情感挖掘就升級到意見挖掘（Opinion Mining）了。
這一步需要從評論中找出產品的屬性。拿手機來說，屏幕、電池、售後等都是它的屬性。到這一步就要看評論是如何評價這些屬性的。比如說「屏幕不錯」，這就是積極的。「電池一天都不夠就用完了，坑爹啊」，這就是消極的，而且強度很大。
這就需要在情感分析的基礎上，先挖掘出產品的屬性，再分析對應屬性的情感。
分析完每一條評論的所有屬性的情感後，就可以匯總起來，形成消費者對一款產品各個部分的評價。
接下來還可以對比不同產品的評價，並且可視化出來。如圖。

這一步的主要在於准確挖掘產品屬性（一般用關聯規則），並准確分析對應的情感傾向和情感強度。因此這需要情感分析作為基礎。首先要找到評論裡面的主觀句子，再找主觀句子里的產品屬性，再計算屬性對應的情感分。所以前面基礎不牢固，後面要准確分析就有難度。
中文這個領域的研究其實很完善了，技術也很成熟。但需要完善前期情感分析的准確度。

總的來說，就是中文詞典資源不好，工作做得不是很細很准。前期的一些基礎不牢固，後面要得到准確的分析效果就不容易了。

❷ 怎麼分析感情呢。

這位朋友，你好！
你今年多大了？你跟你男朋友談戀愛多長時間了？你男朋友是做什麼工作的？
你男朋友自己不去網貸，是因為他的信譽不好。那就說明他以前就參與過網貸，並且不能按時還貸。如果你男朋友有一份比較穩定的工作，有一份比較穩定的收入，他應該是不需要網貸的。
不知道你是否年齡比較小，你把他讓你網貸的事告訴了你父母，你父母認為他不可靠。你把這個信息竟然反饋到他那裡，從這一點來說，你似乎不太成熟。你是否自己有工作，有收入？不知道你為什麼要讓他給你買東西？如果這位男士經常網貸，你需要慎重考慮你們之間的感情。如果他不好好工作，靠網貸過日子，你跟他在一起以後怎麼辦呢？他已經兩次要求你幫助他網貸，你現在拒絕了。如果他以後再要求你網貸，你已經花了他不少錢，你以後還能夠拒絕嗎？如果你答應了，你可能給自己背上巨額債務。希望你慎重考慮。
如果你有什麼困惑，還可以交流。祝你幸福快樂！

❸ 電影情感分析怎麼分析

人生中不乏這樣的人，雖然是短暫相遇，但是對彼此都是有很大的影響，兩個音樂家的惺惺相惜，或許不會經常的瘋狂的想念，但是總是會偶爾想起的彼此信任珍惜的情感！

❹ 情感分析

你好，我是學心理學的，我幫你分析一下。首先，我覺得你可能在前男友那還有什麼遺憾沒有了結。具體是什麼不太清楚，所以你一直不能釋懷，不能讓自己徹底的走出來。其次，我覺得你可能還在等待突然有一天，你前男友回來聯系你，發現你還是單身，會在次追求你！最後，我覺得你可能在跟追求你的人接觸的時候，會時不時的把你前男友的優點拿來跟這個追求者進行比較，結果總覺得他不夠好，還不如前男友，所以才會排斥！所以結論是，我覺得你對他感情是淡了，但感覺可能沒淡。等到你知道他徹底找到新女友的時候，你會慢慢的淡忘了

❺ 情感分析器的研究方法

監督學習
目前，基於監督學習的情感分析仍然是主流，除了（Li et al.,2009）基於非負矩陣三分解（Non-negative Matrix Tri-factorization），（Abbasi et al.,2008）基於遺傳演算法（Genetic Algorithm）的情感分析之外，使用的最多的監督學習演算法是樸素貝葉斯，k最近鄰（k-Nearest Neighbor，k-NN），最大熵和支持向量機的。而對於演算法的改進主要在對文本的預處理階段。
基於規則/無監督學習
和基於監督學習的情感分析相比，基於規則和無監督學習方面的研究不是很多。除了（Turney,2002）之外，（朱嫣嵐 et al.,2002）利用HowNet對中文詞語語義的進行了情感傾向計算。（婁德成 et al.,2006）利用句法結構和依存關系對中文句子語義進行了情感分析，（Hiroshi et al.,2004）通過改造一個基於規則的機器翻譯器實現日文短語級情感分析，（Zagibalov et al.,2008）在（Turney,2002）的SO-PMI演算法的基礎上通過對於中文文本特徵的深入分析以及引入迭代機制從而在很大程度上提高了無監督學習情感分析的准確率。
跨領域情感分析
跨領域情感分析在情感分析中是一個新興的領域，目前在這方面的研究不是很多，主要原因是目前的研究還沒有很好的解決如何尋找兩個領域之間的一種映射關系，或者說如何尋找兩個領域之間特徵權值之間的平衡關系。對於跨領域情感分析的研究開始於（Blitzer et al.,2007）將結構對應學習（Structural Correspondence Learning，SCL）引入跨領域情感分析，SCL是一種應用范圍很廣的跨領域文本分析演算法，SCL的目的是將訓練集上的特徵盡量對應到測試集中。（Tan et al.,2009）將SCL引入了中文跨領域情感分析中。（Tan2 et al.,2009）提出將樸素貝葉斯和EM演算法的一種半監督學習方法應用到了跨領域的情感分析中。（Wu et al.,2009）將基於EM的思想將圖排序（Graph Ranking）演算法應用到跨領域的情感分析中，圖排序演算法可以認為是一種迭代的k-NN

❻ 中文情感分析提取情感傾向的評價對象有哪些方法

一、《詩經》中《小雅、採薇》的末章：昔我往矣，楊柳依依，今我來思，雨雪霏霏。下雪之初，先下雪珠，有時降雪也伴隨著降雨，所以有「雨雪霏霏」之句。二、晉聯句詩 謝太傅寒雪日集兒女講論文義事，雪下大了，公曰：「大雪紛紛何所似」，兄子曰：「撒鹽空中差可擬」，兄女曰：「未若柳絮因風起」，便可以看作是韻同義貫的詠雪聯句詩。用「撒鹽空中」和「柳絮因風起」來比擬「大雪紛飛」，各有千秋。有人認為「撒鹽空中」一喻好，雪的顏色和下落之態跟鹽比較接近，而柳絮呈灰白色，在風中往往上揚，甚至飛得更高更遠，跟雪的飄舞方式不同。寫物必須首先求得形似而後達於神似，形似是基礎。有人認為「柳絮因風起」一喻好，它給人以春天即將到來的感覺，有深刻的意蘊。而「撒鹽」一喻所缺乏的恰恰是意蘊。好的詩句要有意象，意象是物象和意蘊的統一，「柳絮」一喻就好在有意象。三、南朝梁吳均有一首《詠雪》五言詩，近於律體，是歷來傳誦的名篇：「微風搖庭樹，細雪下簾隙。縈空如霧轉，凝階似花積。不見楊柳春，徒見桂枝白。淚無人道，相思空何益。」全詩前六句寫景，後兩句抒情，極有韻致，不論是寫雪的動態美「如霧轉」，還是寫雪的靜態美「似花積」，都能狀難寫之景如在目前。四、 （一） 唐?李白《北風行》：燕山雪花大如席，片片吹落軒轅台。[賞析] 燕山一帶的雪花大得像席子一樣，一片一片吹落在軒轅台上 這是李白描寫雪花的名句。燕山在今河北薊縣東南，這里泛指我國北方。軒轅台遺址在今河北懷來縣喬山上。句中說「雪大如席」，這是高度的藝術誇張，但又不失其真實。正如魯迅在《漫談「漫畫」》一文中所說：「『燕山雪花大如席』是誇張，但燕山究竟有雪花，就含著一點誠實在裡面，使我們立刻知道燕山原來有這么冷。如果說廣州雪花大如席，那就變成笑話了。」不知道你是哪個詠雪，就都找給你了。

❼ 聊天中的情感分析有多難

判斷文字聊天中的感情，可以看作是情感分析。之前已有的一些情感分析的研究，主要有兩種方法。一種是基於詞典的方法，基於詞典的方法主要在於詞典的質量的好壞，此外，還有一些本身就帶有歧義的詞，不能夠簡單判定是正面的或者負面的。另一種是基於機器學習的方法。基於機器學習的方法主要是有監督學習，即要找一些類似的聊天語料來對機器進行訓練，使得機器能夠正確地判斷文字中的感情。在訓練集上達到足夠高的准確率，才有可能在實際測試的時候，准確地預測情感。此外，目前機器能夠區分的感情並不多，之前研究的區分的情感，大多是正負兩極，或者五級（負面、輕微負面、中性、輕微正面、正面）情感。人類情感的復雜程度遠超出這五種，因此如何識別人類的復雜情感也是機器需要研究的課題。但是隨著演算法的不斷改進，在不久的將來，相信機器的准確率能夠達到比人更高。

❽ 情感分析、、

以我的分析來看這個男人有點表現為傳說已久的「失心瘋」……完全是前言不搭後語不知所謂，估計要麼是在混亂狀態下寫出的要麼就是真實的意思只有他自己才懂得了，說實話我是有點看不懂！
且看依據——
1、「你真的是個好女孩、不是我不答應你的請求，是因為我有自己喜歡的女孩，不是我不在意你，是以為我真的放不下她」——這話後半段似乎應該是「不是我不在意你，是因為我真的放不下她」才對吧？
2、「不是我不理你 是以為現在不允許」——現在不允許？那麼什麼時候才允許呢？你打算讓人家一個女孩子等到什麼時候呢？應該這么不負責任的讓一個女孩子犧牲青春年華就為了等待你不再喜歡你現在喜歡著且放不下的那個女孩之後才來理她嗎？～～有點拗口，但是意思大家能看明白。
3、「能在一起是我們責任，不能在一起是我不懂的珍惜你」——什麼叫「能在一起是我們責任」？我盡可能往好里想也只能認為這其中可能還有更多的故事或是背景資料沒有完整的告知我們，所以我是真看不懂這句話的意思了！至於「不能在一起是我不懂的珍惜你」這句話里的別字我能容忍，但是意思就更讓我暈眩了——你到底應該珍惜誰或是你究竟懂得珍惜誰？我覺得你要是如你所說已經有了自己喜歡的女孩的話那麼你該珍惜的是那個女孩才對啊！

鑒於以上讓我如墜雲里的話語，我感覺這段話更像是一個男人想腳踩兩只船卻又感覺於心不忍或者是感覺自己駕馭感情的能力有限而力不從心但又頗有不甘心之遺憾綜合導致發出自己很累的吶喊，我能從中看到的只有矛盾到極點的復雜情緒，還有一點可以肯定的是寫下這段話的男人還是有一定良知的，否則他不會這么糾結！但是請把這點良知再發揚光大一些吧——別讓這個可能昵稱為「寶」的女子再對你抱有幻想以致浪費大好年華只為等待你不知道概率為多少的將來……你說呢？

❾ 情感分析技術有哪些應用

情感分析(又稱為觀點挖掘或感情AI)是指使用自然語言處理、文本分析、計算語言學和生物特徵識別來系統地識別、提取、量化和研究情感狀態和主觀信息。情感分析廣泛應用於分析客戶的心聲，如評論和調查回復，在線和社交媒體，以及從市場營銷到客戶服務再到臨床醫學的保健材料。

情感分析的一個基本任務是在文檔、句子或特徵/方面級別對給定文本的極性進行分類，判斷在文檔、句子或實體特徵/方面中表達的意見是積極的、消極的還是中性的。高級的「超越極性」情感分類著眼於諸如「憤怒」、「悲傷」和「快樂」等情緒狀態。

進行情感分析的先驅包括「一般詢問者」（General Inquirer），它提供了量化文本模式的線索，另外，還提供了基於對人的言語行為進行分析來檢查一個人的心理狀態的心理學研究。

❿ 目前深度學習在文本情感分析上都有哪些方法

有兩大類，一類是主觀性：主觀、客觀、中性；一類是情感傾向：褒義、貶義、中性。 文本分析的話，主要是對詞、句子中觀點的挖掘。 你所說的機器學習法，現在基本用於對電影觀點的打分系統吧。基本上就是利用分類計數