论文情感分析用的什么方法

Ⅰ 本科论文常用分析方法 这三种方法最是常用

1、调查法。

调查法是科学研究中最常用的方法之一。它是有目的、有计划、有系统地搜集有关研究对象现实状况或历史。调查法中最常用的是问卷调查法，它是以书面提出问题的方式搜集资料的一种研究方法，即调查者就调查项目编制成表式，分发或邮寄给有关人员，请示填写答案，然后回收整理、统计和研究。

2、观察法。

观察法是指研究者根据一定的研究目的、研究提纲或观察表，用自己的感官和辅助工具去直接观察被研究对象，从而获得资料的一种方法。科学的观察具有目的性和计划性、系统性和可重复性。在科学实验和调查研究中，观察法具有如下几个方面的作用：①扩大人们的感性认识。②启发人们的思维。③导致新的发现。

3、实验法。

实验法是通过主支变革、控制研究对象来发现与确认事物间的因果联系的一种科研方法。

Ⅱ 数据挖掘，情感分析，深度学习具体步骤是

有两大类，一类是主观性：主观、客观、中性；一类是情感倾向：褒义、贬义、中性。
文本分析的话，主要是对词、句子中观点的挖掘。
你所说的机器学习法，现在基本用于对电影观点的打分系统吧。基本上就是利用分类计数，对文档中存在的情感进行分类的。
就我个人理解而言，我认为机器学习法只是情感文本分析的方法论之一，至于数据挖掘，也是通过对文档的数据收取，进行情感分析的。也是对情感文本分析的方法论之一。
所以，情感分析是主体的话，文本分类、机器学习、数据挖掘都是方式方法。这些方法可以共同应用在一个情感分析中，也可以分别独立存在。
目前英文类的文本情感分析比较多，中文类的相对少一点，你要做这方面的研究路漫漫其修远啊。嘿嘿。

Ⅲ 论文分析有哪些方法

在写论文时，也是需要掌握一定的分析方法的，只有这样才能够让论文的内容更加的深刻。那么到底都有哪些具体的分析方法呢？下面，我们就一起来看看吧！

1、哲学的方法

这种方法就是依照唯物主义辨证法对于哲学基本范畴，也就是现象和本质，存在和运动，原因和结果等的理解，并且能够解决实际研究工作中关于论点和一般方法论的问题，像是从认识对象的现象再深入到本质的研究等。

2、历史的方法

历史的方法比较注意对象本身的历史具体性。一般要求研究工作者一定要充分熟悉客观对象历史发展的实际进程，并且进行大量的资料查找，并且能够找出客观对象的特点及其发展规律性。

3、逻辑的方法

这就需要写论文者必须正确运用形式逻辑和辨证逻辑来对于人们思维的一般规律，像是概念、判断、推理、分析与综合、具体与抽象等等进行揭示，同时针对客观事物的各种现象从逻辑上进行分析，从而找到内在的联系，然后用理论的形态进行展现。

4、假说的方法

虽然是假说，但并不是随意的幻想和碰运气的猜测，是需要有一定的经验事实材料作为基础的，并且还要科学理论为依据，研究者自身要具备活跃联想或直觉感受，能够提出的相对富有预见性、然而尚待继续验证的新观点。即使这些还不能称为科学的结论，但是也是新思想、新理论的萌芽

Ⅳ 中职舞蹈教学论文:情感教育方法的分析

一、当前中职舞蹈教学情感教育的情况概述 舞蹈是一门艺术，也是一种舞蹈演员像观众表达情感的方式，而在中职之中，舞蹈教学更是师生之间情感的互相传递。但是在当代的中职之中，有很多的原因都在制约着舞蹈教学中情感的表达和师生之间情感的传递，其中就包含下面几点： （一）现在的老师和学生之间缺少一些必要的交流与互动 当代之中，学生们的想法和行为都随着社会的变化慢慢的向着更开阔的方向发展。其中，学校的教育方式、老师和学生们的思想都受到一些社会因素的影响，产生了很大的负面作用，于是造成了教师和学生之间在教学之外缺乏交流。并且有一部分的学生希望能自由一点，希望没有教师们太多的束缚，而教师们放松的管理方式给了学生肆意挥霍的空间，使得一些学生不再专注学习，沉迷于游戏等网络世界。两种方面的原因相互产生作用，最后造成师生之间缺少一些必要的交流与互动。 （二）学生数量增多 由于当前国内的不同高校都纷纷进行扩招，虽然这样给了很多学生们再次深造的机会，但是在学生们人数增长的同时，教师的队伍却没有变化，一直保持在最初的数量，这就造成了师生之间人数的比例严重的不协调。所以在中职日常的舞蹈教学当中，一个舞蹈教师经常就要教导数以百计不同的学生，这就导致了教师在教导过程中往往很难照顾全面，而舞蹈教学方式也就只能保持在一些基础的教育层次上，造成师生之间没有进行情感交流与互动的机会。 （三）社会的变化导致学生心理压力过大 步入了大学，学生们需要背负的责任就会有所增加，相对其需要承担的压力也就会随着年龄的增长、心理的变化而增加。有相关的调查研究得到的资料表明，当代的大学生中大约有20%的人都会或多或少的产生心理方面的问题，主要表现出焦虑甚至抑郁等情况。这一情况的发生，对当代学生的学习方面产生非常大的影响。 二、在中职舞蹈教学中实施情感教育的建议和方法 结合当前中职在舞蹈教学中实施的情感教育情况，提出了以下几点建议： （一）舞蹈教师应该对自己的职责有一个明确的认知 随着社会的发展，我国对中职教育也随之提升了要求。同时也得到了社会各界的广泛关注。舞蹈教师在日常的教学之中，应该因材施教，针对不同的学生特点和实际情况，合理的安排舞蹈教学的内容和训练的方式与强度。另外，舞蹈教师也应该从根源上改变传统的教学方式与思路，要注重结合学生们的生理、心理等特点进行教学，对传统的舞蹈理念进行转变，而不是单一的形体的训练。不同于高中的教学，因为中职的教学之中课上教师对学生所讲解的信息比较多，所以课余的时候学生和教师之间的联系比较少，教师对学生们课堂上知识的掌握程度就不太了解。因此，教师要把握好中职教育的特点，明确自身存在的意义，让学生学会自主学习，对舞蹈要结合自身的特点有独特的理解，有自己的想象空间，要充分的利用学生对舞蹈的理解与发挥去调动学生学习舞蹈的积极性，在对舞蹈认知原有的基础上去创新和开拓。 （二）开发新的有针对性的情感教育措施 在教师教授舞蹈的过程中，教师应该让学生产生主体作用，帮助学生明确自己主人翁的意识，实现教师与学生之间的交流与互动。与此同时，教师也应该对此进行充分的利用，去以此调动学生们的积极性，提高教学的质量和教学效果。例如：可以在上课的时候，先播放一段抒情的'音乐，让学生放松心情。然后在音乐中教授学生各种动作技巧，做好示范，观察学生的掌握情况，针对学生不同的掌握程度给予不同的帮助，让每一个学生都能感受到舞蹈的美。又或者由舞蹈老师在网上找一些知名的舞蹈演员的视频，比如：杨丽萍的《孔雀舞》，刘岩的《胭脂扣》等，然后对学生讲解各种的舞蹈的不同与相同之处，让学生们更好的了解舞蹈。同时在教学期间，教师也应当注意自己的言语表达，要用生动富有感情的词语使学生在学习舞蹈的时候处于放松的状态，从而更好的学习。在教学时候，学生们有时候会出现一些错误或者失误，这个时候，教师应该避重就轻，让学生知道错误的同时尽量不要对学生的自尊心造成伤害，避免学生产生逆反抵触的心理，当学生及时改正错误之后，教师要及时对学生进行鼓励，提出表扬，使其能了解教师的苦心并更加刻苦的训练。 （三）身为教师要做出榜样 在中职舞蹈教学期间，教师不仅要注意教导学生，也应该注重自身的习惯与修养。教师在对学生的舞蹈课程进行教授的同时，也要提高自身的专业知识和专业技能。例如：可以自己下载观看知名的舞蹈视频，学习其中自己所没有的所做的还不够好的动作，借鉴其他人的比较好的特点，也不一定非要是知名的，只要自己不拥有的都可以去学习。并且上课前要进分的整理和准备，对舞蹈动作也要进行刻苦的练习，从而在课堂上使学生在教师示范的时候，让学生能对舞蹈老师的动作进行欣赏，并认识到自己和教师之间的差距，产生激励作用，发现自己的不足。所以，教师要充分发挥自己的榜样作用，打造师生之间的轻松、愉快的氛围，让学生在学习的时候能主动领悟舞蹈中蕴含的情感和真谛。舞蹈是一种艺术，是一种美的体现，可以通过优美的肢体语言进行对情感的表达。因此在中职的舞蹈教学之中，要正确的实施情感教育，这样才能为社会和国家培训出更出色的舞蹈演员。

Ⅳ 情感分析器的研究方法

监督学习
目前，基于监督学习的情感分析仍然是主流，除了（Li et al.,2009）基于非负矩阵三分解（Non-negative Matrix Tri-factorization），（Abbasi et al.,2008）基于遗传算法（Genetic Algorithm）的情感分析之外，使用的最多的监督学习算法是朴素贝叶斯，k最近邻（k-Nearest Neighbor，k-NN），最大熵和支持向量机的。而对于算法的改进主要在对文本的预处理阶段。
基于规则/无监督学习
和基于监督学习的情感分析相比，基于规则和无监督学习方面的研究不是很多。除了（Turney,2002）之外，（朱嫣岚 et al.,2002）利用HowNet对中文词语语义的进行了情感倾向计算。（娄德成 et al.,2006）利用句法结构和依存关系对中文句子语义进行了情感分析，（Hiroshi et al.,2004）通过改造一个基于规则的机器翻译器实现日文短语级情感分析，（Zagibalov et al.,2008）在（Turney,2002）的SO-PMI算法的基础上通过对于中文文本特征的深入分析以及引入迭代机制从而在很大程度上提高了无监督学习情感分析的准确率。
跨领域情感分析
跨领域情感分析在情感分析中是一个新兴的领域，目前在这方面的研究不是很多，主要原因是目前的研究还没有很好的解决如何寻找两个领域之间的一种映射关系，或者说如何寻找两个领域之间特征权值之间的平衡关系。对于跨领域情感分析的研究开始于（Blitzer et al.,2007）将结构对应学习（Structural Correspondence Learning，SCL）引入跨领域情感分析，SCL是一种应用范围很广的跨领域文本分析算法，SCL的目的是将训练集上的特征尽量对应到测试集中。（Tan et al.,2009）将SCL引入了中文跨领域情感分析中。（Tan2 et al.,2009）提出将朴素贝叶斯和EM算法的一种半监督学习方法应用到了跨领域的情感分析中。（Wu et al.,2009）将基于EM的思想将图排序（Graph Ranking）算法应用到跨领域的情感分析中，图排序算法可以认为是一种迭代的k-NN

Ⅵ aspect级别的情感分析research line

过去的方法主要分为两类：

第一种： 从一个seed集合，使用句法规则和aspect及opinion之间的关联来积累aspect terms和opinion terms。但是这种方法很依赖与手动定义的规则，并且严格遵循特定的词性规则，例如opinion词是形容词。

第二种： sequence labeling classifier，例如CRFs和HMMs，使用feature engineering，词典和有标注的数据集。This approach requires extensive efforts for designinghand-crafted features, and only combines features linearly when a CRF/HMM isapplied

使用深度学习进行情感分析的方法分为两类：一类是句子级别的情感预测，一类是phrase/word-level情感预测。

1）Tokenization符号化的特征 2）Feature Extraction词语或句子级别的特征  3）Classification using different classifiers，分类器例如：Naïve Bayes，MaxEnt，SVM

例文：Sentiment Classification using Machine Learning Techniques http://www.ijsr.net/archive/v5i4/NOV162724.pdf

1）Tokenization符号化的信息包括如下类别，表情或者电话号码，日期等等

2）特征提取

问题1:只使用形容词还是所有词都使用？所有词更好

I didn’t like this movie---I really like this movie

问题2:否定词如何处理？

给否定词后和下一个标点符号之间的词前面加NOT_

didn’t like this movie, but I

---》   didn’t NOT_likeNOT_this NOT_movie, but I

主要有两种方法：有监督学习和基于词典(lexicon-based)的方法

1）有监督学习：

已知aspect，关键问题就是如何确定每个sentiment的scope。主流方法是使用依存关系，根据依存关系给特征加权重。

2）基于词典的方法

sentiment shifters：有一些词会更改情感的极性，例如not, never, none, nobody, nowhere, neither。

but-clauses：“Car-x is great, but Car-y is better.”

除了以上方法，有很多情感是隐性表示的，难提取的，也可以使用 Basic rules ofopinions

Liu Bing：BNF form

P和PO代表两种positive sentiment expressions。P代表atomic positive expression，一个词或一个短语。PO代表更复杂的表达。sentiment_shifter N和sentiment_shifter NE代表negation

1）频繁出现的名词和名词短语

改进：去除可能不是aspect的名词短语

对每个名词短语计算PMI(pointwise

mutual information) score，该短语与其相关的短语之间的，meronymy discriminators(关系鉴别器)

例如camera类中可能会包括”of camera”, “camera has”, “camera comes with”等，公式中a是candidate aspect，d是discriminator。如果candidate aspect a的PMI值很低，那么可能是因为a和d同时出现的频率很低。

2）通过分析opinion和target的关系，如果opinion已知，sentiment words往往比较容易知道。依存关系

3）有监督的学习方法

sequential learning（or sequential labeling），HMM或CRF

另一种：

首先使用依存树找到aspect和opinion word对，然后使用树结构的分类方法来学习，aspect从得分最高的pair得到。

4）主题模型

两种基本的方法：pLSA和LDA

Topic modeling is an unsupervised learning method thatassumes each document consists of a mixture of topics and each topic is aprobability distribution over words

Theoutput of topic modeling is a set of word clusters. Each cluster forms a topicand is a probability distribution over words in the document collection

Joint sentiment/topic model forsentiment analysis

http://pdfs.semanticscholar.org/9902/.pdf

Sentiment analysis with global topicsand local dependency

http://www.cs.huji.ac.il/~jeff/aaai10/02/AAAI10-242.pdf

1）分类问题：

Given  a sentence and a target mention, the task calls forinferring the sentiment polarity (e.g. positive, negative, neutral) of thesentence towards the target.

Effective LSTMs for Target-dependentsentiment classification

链接： https://arxiv.org/pdf/1512.01100.pdf

Aspectlevel sentiment classification with deep memory network

论文链接： http://wing.comp.nus.e.sg/~antho/D/D16/D16-1021.pdf

Given a sentence s = {w1, w2, ..., wi ,

...wn} consisting of n words and an aspect word wi occurring in sentence s文中只考虑了单个aspect的情况

2）序列标注问题： 标注出sentiment和aspect

Ⅶ 本科论文常用分析方法

本科论文常用分析方法有：定量分析与定性分析，定性分析与定量分析是人们认识事物时用到的两种分析方式。

1、定量分析法

在科学研究中，通过定量分析法可以使人们对研究对象的认识进一步精确化，用数学语言进行描述。它是依据统计数据，建立数学模型，并用数学模型针对数量特征、数量关系与数量变化去分析的一种方法。

2、定性分析法

定性分析法就是对研究对象进行“质”的方面的分析。定性就是用文字语言进行相关描述。它是主要凭分析者的直觉、经验，运用主观上的判断来对分析对象的性质、特点、发展变化规律进行分析的一种方法。

(7)论文情感分析用的什么方法扩展阅读：

定量分析法的具体方法：

1、比率分析法。它是财务分析的基本方法，也是定量分析的主要方法。

2、趋势分析法。它对同一单位相关财务指标连续几年的数据作纵向对比，观察其成长性。通过趋势分析，分析者可以了解该企业在特定方面的发展变化趋势。

3、结构分析法。它通过对企业财务指标中各分项目在总体项目中的比重或组成的分析，考量各分项目在总体项目中的地位。

4、数学模型法。在现代管理科学中，数学模型被广泛应用，特别是在经济预测和管理工作中，由于不能进行实验验证，通常都是通过数学模型来分析和预测经济决策所可能产生的结果的。

Ⅷ 论文分析方法有哪几种

论文分析方法有哪几种

论文分析方法有哪几种，随着时间的流逝，新的毕业季即将来临，而论文写作也是毕业生们不得不过的关卡，只有论文通过了才能顺利拿到毕业证，走向社会。现在我就跟大家分享下论文分析方法有哪几种，希望能给毕业生带来帮助！

论文分析方法有哪几种1

论文分析方法有哪几种

调查法

调查法是科研中最常见的方式 之一，这是有目地、有方案、有系统化收集相关科学研究目标现实情况或历史状况的原材料的方式 ，调查方法是科研中常见的基础研究法，它灵活运用历史时间法、观察等方式 及其谈话内容、问卷调查、个案研究、测试等科学研究方法，对文化教育状况开展有方案的、缜密的和系统软件的掌握，并对调研收集到的很多材料开展解析、综合性、较为、梳理，进而为大家出示周期性的专业知识。

观察法

观察法就是指学术研究依据一定的科学研究目地、科学研究大纲或观查表，用自身的感观和辅助软件去立即观查被科学研究目标，进而得到材料的一种方式 ，科学研究的观查具备功利性和目的性、针对性和精确性，在科学试验和调查报告中，观察具备以下好多个层面的功效：

①扩张大家的'感性认识

②启迪大家的逻辑思维

③造成新的发觉

实验法

实验法是根据主支转型、操纵科学研究目标来发觉与确定事情间的因果关系联络的一种科学研究方式 。

其关键特性是：

第一、积极变革性观查与调研全是不在干涉科学研究目标的前提条件下来了解科学研究目标，发觉在其中的难题，而试验却规定积极控制试验标准，人为因素地更改目标的存有方法、转变全过程，使它听从于科学认识的必须。

第二、分区规划科学试验规定依据科学研究的必须，依靠各种各样方式 技术性，降低或清除各种各样将会危害科学研究的不相干要素的影响，在简单化、提纯的情况下了解科学研究目标。

第三、因果性试验以发觉、确定事情中间的因果关系联络的合理专用工具和必需方式。

论文分析方法有哪几种2

论文分析方法有哪几种

文献研究法

文献研究法是依据一定的科学研究目地或课题研究，根据调研参考文献来得到材料，进而全方位地、恰当地掌握把握所需科学研究难题的一种方式 。文献研究法普遍用以各种各样课程科学研究中，其功效有：

①能掌握相关难题的历史时间和现况，协助明确课题研究。

②能产生有关科学研究目标的一般印像，有利于观查和浏览。

③能获得实际材料的较为材料

④有利于掌握事情的全景

实证分析法

实证分析法是科学探究科学研究的一种独特方式，其根据目前的科学研究基础理论和实践活动的必须明确提出设计方案，运用仪器设备和机器设备，在当然标准下，根据有目地有步骤地控制，依据观查、纪录、测量与其相随着的状况的转变来明确标准与状况中间的逻辑关系的主题活动，关键目地取决于表明各种各样自变量与某一个因变量的关联。

定量分析法

定量分析法在科研中，根据定量分析法能够使大家对科学研究目标的了解进一步精确化，便于更为科学研究地表明规律性，掌握实质，梳理关联，预测分析事情的发展趋向。

定性分析法

定性分析法就是说对科学研究目标开展"质"的层面的解析，具体地说是应用梳理和演译、解析与综合性及其抽象性与归纳等方式 ，对得到的各种各样原材料开展逻辑思维生产加工，进而能去伪存真、去其糟粕、由此及彼、由浅入深，超过了解客观事物、表明本质规律性。

作用分析法

作用分析法是人文科学用于解析社会问题的一种方式 ，是社会调研常见的统计分析方法之一，它根据表明社会问题如何考虑一个社会发展系统软件的必须（即具备如何的作用）来表述社会问题。

模拟法（实体模型方式 ）

模拟法是先按照原形的关键特点，构建一个类似的实体模型，随后根据实体模型来间接性科学研究原形的一种描述方式 ，依据实体模型和原形中间的类似关联，模拟法可分成物理学仿真模拟和数学模拟二种。

Ⅸ 人工智能技术应用：情感分析概述

与其他的人工智能技术相比，情感分析(Sentiment Analysis)显得有些特殊，因为其他的领域都是根据客观的数据来进行分析和预测，但情感分析则带有强烈的个人主观因素。情感分析的目标是从文本中分析出人们对于实体及其属性所表达的情感倾向以及观点，这项技术最早的研究始于2003年Nasukawa和Yi两位学者的关于商品评论的论文。
随着推特等社交媒体以及电商平台的发展而产生大量带有观点的内容，给情感分析提供了所需的数据基础。时至今日，情感识别已经在多个领域被广泛的应用。例如在商品零售领域，用户的评价对于零售商和生产商都是非常重要的反馈信息，通过对海量用户的评价进行情感分析，可以量化用户对产品及其竞品的褒贬程度，从而了解用户对于产品的诉求以及自己产品与竞品的对比优劣。在社会舆情领域，通过分析大众对于社会热点事件的点评可以有效的掌握舆论的走向。在企业舆情方面，利用情感分析可以快速了解社会对企业的评价，为企业的战略规划提供决策依据，提升企业在市场中的竞争力。在金融交易领域，分析交易者对于股票及其他金融衍生品的态度，为行情交易提供辅助依据。
目前，绝大多数的人工智能开放平台都具备情感分析的能力，如图所示是玻森中文语义开放平台的情感分析功能演示，可以看出除了通用领域的情感分析外，还有汽车、厨具、餐饮、新闻和微博几个特定领域的分析。

那么到底什么是情感分析呢？从自然语言处理技术的角度来看，情感分析的任务是从评论的文本中提取出评论的实体，以及评论者对该实体所表达的情感倾向，自然语言所有的核心技术问题，例如：词汇语义，指代消解，此役小气，信息抽取，语义分析等都会在情感分析中用到。因此，情感分析被认为是一个自然语言处理的子任务，我们可以将人们对于某个实体目标的情感统一用一个五元组的格式来表示：(e,a,s,h,t)

以图为例，e是指某餐厅，a为该餐厅的性价比属性，s是对该餐厅的性价比表示了褒义的评价，h为发表评论者本人，t是19年7月27日。所以这条评论的情感分析可以表示为五元组（某餐厅，性价比，正向褒义，评论者，19年7月27日）。

情感分析根据处理文本颗粒度的不同，大致可以分为三个级别的任务，分别是篇章级、句子级和属性级。我们分别来看一下。

1. 篇章级情感分析

篇章级情感分析的目标是判断整篇文档表达的是褒义还是贬义的情感，例如一篇书评，或者对某一个热点时事新闻发表的评论，只要待分析的文本超过了一句话的范畴，即可视为是篇章级的情感分析。
对于篇章级的情感分析而言有一个前提假设，那就是全篇章所表达的观点仅针对一个单独的实体e，且只包含一个观点持有者h的观点。这种做法将整个文档视为一个整体，不对篇章中包含的具体实体和实体属性进行研究，使得篇章级的情感分析在实际应用中比较局限，无法对一段文本中的多个实体进行单独分析，对于文本中多个观点持有者的观点也无法辨别。
例如评价的文本是：“我觉得这款手机很棒。”评价者表达的是对手机整体的褒义评价，但如果是：“我觉得这款手机拍照功能很不错，但信号不是很好”这样的句子，在同一个评论中出现了褒义词又出现了贬义词，篇章级的分析是无法分辨出来的，只能将其作为一个整体进行分析。
不过好在有很多的场景是不需要区分观点评价的实体和观点持有者，例如在商品评论的情感分析中，可以默认评论的对象是被评论的商品，评论的观点持有者也是评论者本人。当然，这个也需要看被评论的商品具体是什么东西，如果是亲子旅游这样的旅游服务，那么评论中就很有可能包含一个以上的观点持有者。
在实际工作中，篇章级的情感分析无法满足我们对于评价更细致，如果需要对评论进行更精确，更细致的分析，我们需要拆分篇章中的每一句话，这就是句子级的情感分析研究的问题。

2. 句子级情感分析

与篇章级的情感分析类似，句子级的情感分析任务是判断一个句子表达的是褒义还是贬义的情感，虽然颗粒度到了句子层级，但是句子级分析与篇章级存在同样的前提假设是，那就是一个句子只表达了一个观点和一种情感，并且只有一个观点持有人。如果一个句子中包含了两种以上的评价或多个观点持有人的观点，句子级的分析是无法分辨的。好在现实生活中，绝大多数的句子都只表达了一种情感。
既然句子级的情感分析在局限性上与篇章级是一样的，那么进行句子级的情感分析意义何在呢？关于这个问题，需要先解释一下语言学上主观句与客观句的分别。在我们日常用语当中，根据语句中是否带有说话人的主观情感可以将句子分为主观句和客观句，例如：“我喜欢这款新手机。”就是一个主观句，表达了说话人内心的情感或观点，而：“这个APP昨天更新了新功能。”则是一个客观句，陈述的是一个客观事实性信息，并不包含说话人内心的主观情感。通过分辨一个句子是否是主观句，可以帮助我们过滤掉一部分不含情感的句子，让数据处理更有效率。
但是在实操过程中，我们会发现这样的分类方法似乎并不是特别准确，因为一个主观句也可能没有表达任何的情感信息，知识表达了期望或者猜测，例如：“我觉得他现在已经在回家的路上了。”这句话是一个主观句，表达了说话人的猜测，但是并没有表达出任何的情感。而客观句也有可能包含情感信息，表明说话者并不希望这个事实发生，例如：“昨天刚买的新车就被人刮花了。”这句话是一个客观句，但结合常识我们会发现，这句话中其实是包含了说话人的负面情感。
所以，仅仅对句子进行主客观的分类还不足以达到对数据进行过滤的要求，我们需要的是对句子是否含有情感信息进行分类，如果一个句子直接表达或隐含了情感信息，则认为这个句子是含有情感观点的，对于不含情感观点的句子则可以进行过滤。目前对于句子是否含有情感信息的分类技术大多都是采用有监督的学习算法，这种方法需要大量的人工标注数据，基于句子特征来对句子进行分类。
总之，我们可以将句子级的情感分析分成两步，第一步是判断待分析的句子是否含有观点信息，第二步则是针对这些含有观点信息的句子进行情感分析，发现其中情感的倾向性，判断是褒义还是贬义。关于分析情感倾向性的方法与篇章级类似，依然是可以采用监督学习或根据情感词词典的方法来处理，我们会在后续的小节详细讲解。
句子级的情感分析相较于篇章级而言，颗粒度更加细分，但同样只能判断整体的情感，忽略了对于被评价实体的属性。同时它也无法判断比较型的情感观点，例如：“A产品的用户体验比B产品好多了。”对于这样一句话中表达了多个情感的句子，我们不能将其简单的归类为褒义或贬义的情感，而是需要更进一步的细化颗粒度，对评价实体的属性进行抽取，并将属性与相关实体之间进行关联，这就是属性级情感分析。

3. 属性级情感分析

上文介绍的篇章级和句子级的情感分析，都无法确切的知道评价者喜欢和不喜欢的具体是什么东西，同时也无法区分对某一个被评价实体的A属性持褒义倾向，对B属性却持贬义倾向的情况。但在实际的语言表达中，一个句子中可能包含了多个不同情感倾向的观点，例如：“我喜欢这家餐厅的装修风格，但菜的味道却很一般。”类似于这样的句子，很难通过篇章级和句子级的情感分析了解到对象的属性层面。
为了在句子级分析的基础上更加细化，我们需要从文本中发现或抽取评价的对象主体信息，并根据文本的上下文判断评价者针对每一个属性所表达的是褒义还是贬义的情感，这种就称之为属性级的情感分析。属性级的情感分析关注的是被评价实体及其属性，包括评价者以及评价时间，目标是挖掘与发现评论在实体及其属性上的观点信息，使之能够生成有关目标实体及其属性完整的五元组观点摘要。具体到技术层面来看，属性级的情感分析可以分为以下6个步骤：

关于文本中的实体抽取和指代消解问题，我们已经在知识图谱的相关章节中做了介绍，这里就不再赘述。针对篇章级、句子级、属性级这三种类型的情感分析任务，人们做了大量的研究并提出了很多分类的方法，这些方法大致可以分为基于词典和基于机器学习两种，下面我们进行详细的讲解。

做情感分析离不开情感词，情感词是承载情感信息最基本的单元，除了基本的词之外，一些包含了情感含义的短语和成语我们也将其统称为情感词。基于情感词典的情感分析方法，主要是基于一个包含了已标注的情感词和短语的词典，在这个词典中包括了情感词的情感倾向以及情感强度，一般将褒义的情感标注为正数，贬义的情感标注为负数。
具体的步骤如图所示，首先将待分析的文本先进行分词，并对分词后的结果做去除停用词和无用词等文本数据的预处理。然后将分词的结果与情感词典中的词进行匹配，并根据词典标注的情感分对文本进行加法计算，最终的计算结果如果为正则是褒义情感，如果为负则是贬义情感，如果为0或情感倾向不明显的得分则为中性情感或无情感。

情感词典是整个分析流程的核心，情感词标注数据的好坏直接决定了情感分类的结果，在这方面可以直接采用已有的开源情感词典，例如BosonNLP基于微博、新闻、论坛等数据来源构建的情感词典，知网（Hownet）情感词典，台湾大学简体中文情感极性词典（NTSUSD），snownlp框架的词典等，同时还可以使用哈工大整理的同义词词林拓展词典作为辅助，通过这个词典可以找到情感词的同义词，拓展情感词典的范围。
当然，我们也可以根据业务的需要来自己训练情感词典，目前主流的情感词词典有三种构建方法：人工方法、基于字典的方法和基于语料库的方法。对于情感词的情感赋值，最简单的方法是将所有的褒义情感词赋值为+1，贬义的情感词赋值为-1，最后进行相加得出情感分析的结果。
但是这种赋值方式显然不符合实际的需求，在实际的语言表达中，存在着非常多的表达方式可以改变情感的强度，最典型的就是程度副词。程度副词分为两种，一种是可以加强情感词原本的情感，这种称之为情感加强词，例如“很好”相较于“好”的情感程度会更强烈，“非常好”又比“很好”更强。另外一种是情感减弱词，例如“没那么好”虽然也是褒义倾向，但情感强度相较于“好”会弱很多。如果出现了增强词，则需要在原来的赋值基础上增加情感得分，如果出现了减弱词则需要减少相应的情感得分。
另一种需要注意的情况是否定词，否定词的出现一般会改变情感词原本的情感倾向，变为相反的情感，例如“不好”就是在“好”前面加上了否定词“不”，使之变成了贬义词。早期的研究会将否定词搭配的情感词直接取相反数，即如果“好”的情感倾向是+1，那么“不好”的情感倾向就是-1。但是这种简单粗暴的规则无法对应上真实的表达情感，例如“太好”是一个比“好”褒义倾向更强的词，如果“好”的值为+1，那么“太好”可以赋值为+3，加上否定词的“不太好”变成-3则显然有点过于贬义了，将其赋值为-1或者-0.5可能更合适。
基于这种情况，我们可以对否定词也添加上程度的赋值而不是简单的取相反数，对于表达强烈否定的词例如“不那么”赋值为±4，当遇到与褒义词的组合时褒义词则取负数，与贬义词的组合则取正数，例如贬义词“难听”的赋值是-3，加上否定词变成“不那么难听”的情感得分就会是（-3+4=1）。
第三种需要注意的情况是条件词，如果一个条件词出现在句子中，则这个句子很可能不适合用来做情感分析，例如“如果我明天可以去旅行，那么我一定会非常开心。”，在这句话中有明显的褒义情感词，但是因为存在条件词“如果”，使得这个句子的并没有表达观点持有者的真实情感，而是一种假设。
除了条件句之外，还有一种语言表达也是需要在数据预处理阶段进行排除的，那就是疑问句。例如“这个餐厅真的有你说的那么好吗？”，虽然句子中出现了很强烈的褒义情感词“那么好”，但依然不能将它分类为褒义句。疑问句通常会有固定的结尾词，例如“……吗？”或者“……么？”，但是也有的疑问句会省略掉结尾词，直接使用标点符号“？”，例如“你今天是不是不开心？”，这个句子中含有否定词和褒义词组成的“不开心”，但不能将其分类为贬义情感。
最后一种需要注意的情况是转折词，典型词是“但是”，出现在转折词之前的情感倾向通常与转折词之后的情感倾向相反，例如：“我上次在这家酒店的住宿体验非常好，但是这次却让我很失望。”在这个转折句中，转折词之前的“非常好”是一个很强的褒义词，但真实的情感表达却是转折词之后的“很失望”，最终应该将其分类为贬义情感。当然，也存在出现了转折词，但语句本身的情感并没有发生改变的情况，例如“你这次考试比上次有了很大的进步，但是我觉得你可以做得更好”，这里的转折词没有转折含义，而是一种递进含义。在实际操作中，我们所以需要先判断转折句真实的情感表达到底是哪个，才能进行正确的分析计算。
构建情感词典是一件比较耗费人工的事情，除了上述需要注意的问题外，还存在精准度不高，新词和网络用语难以快速收录进词典等问题。同时基于词典的分析方法也存在很多的局限性，例如一个句子可能出现了情感词，但并没有表达情感。或者一个句子不含任何情感词，但却蕴含了说话人的情感。以及部分情感词的含义会随着上下文语境的变化而变化的问题，例如“精明”这个词可以作为褒义词夸奖他人，也可以作为贬义词批评他人。
尽管目前存在诸多问题，但基于字典的情感分析方法也有着不可取代的优势，那就是这种分析方法通用性较强，大多数情况下无需特别的领域数据标注就可以分析文本所表达的情感，对于通用领域的情感分析可以将其作为首选的方案。

我们在机器学习算法的章节介绍过很多分类算法，例如逻辑回归、朴素贝叶斯、KNN等，这些算法都可以用于情感识别。具体的做法与机器学习一样需要分为两个步骤，第一步是根据训练数据构建算法模型，第二步是将测试数据输入到算法模型中输出对应的结果，接下来做具体的讲解。
首先，我们需要准备一些训练用的文本数据，并人工给这些数据做好情感分类的标注，通常的做法下，如果是褒义和贬义的两分类，则褒义标注为1，贬义标注为0，如果是褒义、贬义和中性三分类，则褒义标注为1，中性标注为0，贬义标注为-1.
在这一环节中如果用纯人工方法来进行标注，可能会因为个人主观因素对标注的结果造成一定影响，为了避免人的因素带来的影响，也为了提高标注的效率，有一些其他取巧的方法来对数据进行自动标注。比如在电商领域中，商品的评论除了文本数据之外通常还会带有一个5星的等级评分，我们可以根据用户的5星评分作为标注依据，如果是1-2星则标注为贬义，如果是3星标注为中性，4-5星标注为褒义。又比如在社区领域中，很多社区会对帖子有赞和踩的功能，这一数据也可以作为情感标注的参考依据。
第二步是将标注好情感倾向的文本进行分词，并进行数据的预处理，前文已经对分词有了很多的介绍，这里就不再过多的赘述。第三步是从分词的结果中标注出具备情感特征的词，这里特别说一下，如果是对情感进行分类，可以参考情感词典进行标注，也可以采用TF-IDF算法自动抽取出文档的特征词进行标注。如果分析的是某个特定领域的，还需要标注出特定领域的词，例如做商品评价的情感分析，需要标注出商品名称，品类名称，属性名称等。第四步根据分词统计词频构建词袋模型，形成特征词矩阵，如表所示。在这一步可以根据业务需要给每个特征词赋予权重，并通过词频乘以权重得到特征词分数。最后一步就是根据分类算法，将特征词矩阵作为输入数据，得到最终的分类模型。

当训练好分类模型之后，就可以对测试集进行分类了，具体的流程与建模流程类似，先对测试的文本数据进行分词并做数据预处理，然后根据特征词矩阵抽取测试文本的特征词构建词袋矩阵，并将词袋矩阵的词频数据作为输入数据代入之前训练好的模型进行分类，得到分类的结果。
采用基于机器学习的方法进行情感分析有以下几个不足之处，第一是每一个应用领域之间的语言描述差异导致了训练得到的分类模型不能应用与其他的领域，需要单独构建。第二是最终的分类效果取决于训练文本的选择以及正确的情感标注，而人对于情感的理解带有主观性，如果标注出现偏差就会对最终的结果产生影响。
除了基于词典和基于机器学习的方法，也有一些学者将两者结合起来使用，弥补两种方法的缺点，比单独采用一种方法的分类效果要更好，另外，也有学者尝试使用基于LSTM等深度学习的方法对情感进行分析，相信在未来，情感分析会应用在更多的产品中，帮助我们更好的理解用户需求，提升用户使用智能产品的体验。

随着深度神经网络等算法的应用，情感分析的研究方向已经有了非常大的进展，但依然存在着一些难题是目前尚未解决的，在实操过程中需特别注意以下几种类型数据：

情绪轮在用户体验设计上被广泛的应用，很多情感化设计都是基于情绪轮进行的。但是在人工智能领域，将情绪进行多分类比情感分析的三分类任务要难得多，目前大多数分类方法的结果准确性都不到50%。这是因为情绪本身包含了太多的类别，而且不同的类别之间又可能具有相似性，一个情绪词在不同的语境下有可能表达的是不同的情绪类别，算法很难对其进行分类。即使是人工对文本进行情绪类别标注也往往效果不佳，因为情绪是非常主观性的，不同的人对不同的文本可能产生不同的理解，这使得人工标注情绪类比的过程异常困难。如何让机器可以理解真实的情绪目前还是一个未能攻克的难题。

Ⅹ 可以用上什么方法把这个最能表达你情感的重点情节写具体呢

一、基本文体知识识记
（一）表达方式：记叙、描写、抒情、议论、说明
（二）修辞手法：比喻、拟人、排比、夸张、反复、借代、反问、设问、引用、对比
常见的表现手法：象征、对比、衬托、借景抒情、托物言志、借古讽今、借物喻人、寓理于事、寄情于事、运用典故、先（后）抑后（先）扬、欲扬先抑。
（三）说明文分类：
1、实物说明文、事理说明文
2、科技性说明文、文艺性说明文（科学小品或知识小品）
（四）说明顺序：
1、时间顺序
2、空间顺序：注意表方位的名词
3、逻辑顺序：先总后分、由主到次、由表及里、由简到繁由此及彼、由现象到本质等。
（五）说明方法：列数字、作比较、举例子、打比方、分类别、作诠释、下定义、列图表、引用（名言、资料等）
两大说明方式：平实说明与生动说明
（六）说明文语言特征：准确（科学性）、生动（趣味性）、
议论文语言特征：严密
记叙文语言特征：生动、形象、准确
（七）记叙的顺序：顺叙、倒叙、插叙（追叙）
（八）散文的分类：抒情散文和叙事散文
（九）散文的特点：形散而神不散
（十）小说的三要素：人物、故事情节与环境
（十一）小说的结构：开端、发展、高潮、结局（有的前有序幕，后有尾声）
（十二）描写的方法：
1、概括介绍与具体描写；
2、肖像（外貌）描写、行为动作描写、神态描写、语言描写、心理描写；
3、正面描写与侧面烘托
4、小说中的环境描写：自然环境、社会环境
（十三）议论文分类：立论、驳论
（十四）议论文三要素：
1、论点：解决“需要证明什么”
2、论据：解决“用什么来证明”
3、论证：解决“怎样来证明”
（十五）议论文结构
1、引论：提出问题
2、本论：分析问题3、结论：解决问题
（十六）论据类型：事实论据和道理论据
（十七）常见论证方法：
1、最基本的论证方法：摆事实、讲道理
2、常用论证方法：举例论证、道理论证、引用论证（如引用故事则属于举例论证，如引用名言则属于道理论证）、对比论证、比喻论证、类比论证（常有“同样”“诸如此类”等词语）
（十八）常见写作方法、表现手法：
联想、想象、象征、比较、对比、衬托、烘托、反衬、先抑后扬、以小见大、托物言志、借物喻理、寓理于物、借物喻人、状物抒情、借景抒情、情景交融
（十九）语句在文章篇章结构上的作用：
总起全文、引起下文、打下伏笔、作铺垫、承上启下（过渡）、前后照应、首尾呼应、总结全文、点题、推动情节发展
（二十）语句在表情达意方面的作用：
渲染气氛、烘托人物形象（或人物感情）、点明中心（揭示主旨）、突出主题（深化中心）
（二十一）语句特色评价用词：
准确、严密、生动、形象、通俗易懂、语言简练、简洁明了、言简意赅、富有感染力、节奏感强、委婉含蓄、意味深长、发人深省、寓意深刻、引发阅读兴趣、说理透彻、有说服力。
风格：
柔婉
豪放灵秀庄严绮丽朴实繁复凝练生动
二、现代文阅读
答题技巧
（一）词语的比较（选词填空）
1、比较词义，尤其是意思相近的词，一定要仔细辨别两个词在程度、适用范围、感情色彩的方面的区别。
2、选好之后应该将相关句子多读几遍，反复体会。
（二）语句作用、含义分析题
1、句中用了关联词“虽然……但是……”，这组关联词表转折关系；用了关联词“不但……而且……”之类，这类关联词表递进关系，两者用意都在于强调后者。
2、倒装句的作用：往往是强调前置（即调到前面）的部分，例如：“甚矣，汝之不惠”就是为了强调“汝之不惠”的程度是“甚矣”。又如“并不见佳，我以为”一句是为旗帜鲜明地强调作者对“雷峰夕照”这一胜景的评价是“并不见佳”。
3、评价、赏析一句话：应从两个方面入手，先评写作特色、语言特色，如用了什么修辞手法、表现手法，语言或生动或优美或讲求对称或准确严密……再评思想内涵，即阐明这一句表达了什么观点，给你什么感受、启迪、教育……
4、分析一句话的含义也可从分析关键词入手，着重体会关键词在特定语境中的含义。
5、说明文语段中分析一句话，要紧扣住说明内容、说明对象的特征和说明文语言的特色（准确、生动）。
6、记叙文语段中分析一句话，要紧扣住文章所渲染的特定气氛、表达的感情、人物形象的特点等。
7、议论文语段中分析一句话要紧扣住论点（或是全文的中心论点，或是所在段的分论点）以及议论文语言的特色。
8、关键句子主要包括五个方面：①点明题旨的句子；②描写、议论、抒情的句子；③总结全文的句子；④起承转合的句子（如相互照应的句子和起承上启下作用的过渡句）；⑤运用各种修辞手法的句子（如比喻、拟人、夸张、排比、对偶、反复、反语、设问、反问，特别是引用的句子）。理解关键句子主要是指能体味句子所表达的思想感情。如作者在字里行间流露出的喜怒哀乐、褒贬态度及思想倾向等。同时要理解句子在文中的功能、作用、特点。
指明语句所用的写作方法：一定要注意文体特征和名词使用的准确性。
（三）问答题型、常规答题术语及技巧
社会环境描写的主要作用：
1、交代作品的时代背景。
2、在回答时必须结合当时当地的时代背景，指出文段中环境描写的相关语句揭示了什么样的社会现实。
自然环境描写（景物描写）句的主要作用：
1、表现地域风光，提示时间、季节和环境特点；
2、推动情节发展；
3、渲染气氛；
4、烘托人物形象（或人物心情、感情）；
5、突出、深化主题。
句子在文章结构上的作用分析：
1、对上文（或全文）：照应上文、首尾呼应、总结上文（或全文）；
2、对下文：引起下文，打下伏笔、作铺垫；
3、对上下文：承上启下（过渡）。
用自己的话回答问题：
1、这种题目往往就是限定不能直接原文中的语句来回答，从另个层面上来说，也就是暗示你原文中有相关语句，所以你首先应该找出原文中的相关语句；
2、现在要考虑的就是如何将原文中的语句变成自己的话，可以采用下列方法：
①概括大意法，适用于原文相关句子较长的情况；
②翻译句子法，适用于文言文语段；
③解释重点词法，适用于原文语句中有生僻词；
④变换句式法，适用于原文使用的是疑问、设问、反问的语意未能完全明确的句子，而题目又要求作出明确表达的情况。
文段中主人公的判断：
原则：必须依据本文的主题。例如：《孔乙己》——“孔乙己”。
散文（包括杂文、通讯、一般记叙文）中的“我”等于作者本人；而小说中的“我”不等于作者本人，而是作者在生活的基础上通过虚构塑造出来的人物形象。
根据阅读短文的感受谈自己的看法或体会：
1、用第一人称；
2、采用1＋2或1＋3的形式，先用一句话概括出自己的看法或体会，再用两三句话谈谈理由，可以摆事实、也可以讲道理，如题目有相关要求，还要注意结合自己的亲身经历。
根据语境，补写心理活动：
1、必须用第一人称；
2、必须仔细研读具体语境。
根据短文提出的观点补充举例：
1、可举名人事例，有更大的说服力，并能展示出自己的知识面，但一定要写准确人物、事件，切忌张冠李戴。
2、也可举凡人事例，可以编造，但要注意具有真实感，切忌过于夸大，让人一看就知道是胡编乱造的。
3、格式：人物＋事例＋简短评价
文段中事例的概括：
1、必须包含两个要素：人物＋事情；
2、其他要素如：时间（季节、年代）、地点、环境如果有特定意义，也应概括在内。
划分段落、层次，概括段意、层意：
要注意理清文章的线索，借助文章中的过渡性的段落、句子和词语，表时间变化的语句，表地点转换的语句，还要注意人物出场的先后顺序。
提炼中心、主题：
要注意体会本文的主要内容和作者写作本文的目的以及蕴涵在文中的思想感情。注意一些常用词语，如概括主要内容，一般用：本文记叙了……，描写了……，介绍了……，通过……，等等，如概括写作目的和思想感情，一般用：表达……、抒发……、赞美……、歌颂……、揭露……、鞭挞……、讽刺……、说明……、揭示……、反映……等。
判断文段的说明中心（说明内容）：
答题方式：
1、实物说明文：说明对象＋对象的特征
2、事理说明文：关于…………的道理（原因、方法、原理等）
3、程序说明文：…………的操作或实验或制作的过程
说明方法及其作用分析的常用答题格式：
本句用了的说明方法，生动形象、具体直观、深入浅出（科学准确）地说明了（说明内容），使读者。
说明文中词语作用的认识与辨析：
主要有两种题型：
A、“××”词好在哪里？
★答题方式：用了“××”词，生动地（准确地）说明了……事物的……特征，能够激发读者的兴趣（符合实际情况，具有科学性）。
B、“××”词能不能删掉？
★答题方式：①不能，用了“××”词，生动地说明了……，能够激发读者的兴趣，去掉就没有这种效果。
②不能，删掉“××”词，句子的意思就变成了……，显得太绝对化；用了“××”词，准确地说明了……，符合实际情况，留有余地，具有科学性。
文段（各种文体）中指代词指代对象的判断：
1、常考的指代词有：这、那、这些、那些、其他、以上、如此、此……；
2、一般是往前找；
3、找到之后，将找到的内容放在指代词所在句中读一读，看是否适合。
说明文中的主观题及其解答：
着重要表现创新意识、科学精神。
主要题型：
1、对文中的内容进行简明、准确的改写。如：根据提示给事物下定义、文字图表式处理、图表文字化、简要概述所举例子等。
2、对文中内容进行合理的补写。如：加标题、结合语境补写句子、对文章说明的对象按要求进行补充说明。
3、联系实际举例说明。（要符合文段的说明中心的要求）
4、对文章说明的现象提出合理化建议与设想。（要有科学性，切忌胡编乱造）
5、对语言的表达特色进行评说。（结合说明顺序、说明方法、说明文语言特色来考虑）
识别或提炼中心论点、分论点：
1、论点出现的形式和位置
论点应该是明确的判断，是作者看法的完整陈述，在形式上应该是较完整的句子。位置：①标题、②★开头、③★篇末、④论述过程中（注意承上启下的过渡句）、⑤表述不集中，需要概括
2、当碰到文中没有现成的表达论点的句子时，尽管有一定难度，但也有方法可循：需要在准确理解全文内容的基础上，抽取文章核心，依据论题和论据，参考作者要解决的问题，准确判断和提炼作者的观点，然后用自己的话加以概括。
3、要注意的是，有些文章中表达中心论点意思的句子不止一句，需要加以比较，找出最简洁、最明确的句子。
分析论据与论点的关系：
答题方式：本文（段）的论点是，这里所列举的……属（事实或道理）论据，是为了从（反面或正面）证明这个论点，……
辨识论证方法，分析其作用：
1、回答这类问题，首先需要明确常见的几种论证方法的概念，了解它们之间的差别，然后结合语境，具体内容具体分析。
2、答题方式：这一段（一句）运用了论证方法，论证了……（论点），显得……（好处）。
仿照原文中表述论点（分论点）的句式，提出自己的一个观点：
1、回答这类问题，首先要整体感知文章的内容，再根据阅读文章的启示获取独特体验，最后用规定的句式表述出来，并构成一个论点（分论点）。
2、这种题目既考查联想能力，又考查语言表达能力，还考查把握分论点与中心论点关系的能力。
开放性阅读试题的解答：
这类试题实际就是要考查学生对选文内容或重要句子的感悟能力。要求学生把阅读与生活、阅读与写作、阅读与学习方法、阅读与创新有机地结合起来。主要有以下几个方面：1、要求根据选文材料谈看法、感受和启示；2、结合实际阐述对选文内容的理解；3、对文中的人物进行评说；4、根据生活、学习经验，判断优劣，对选文材料谈自己独到的见解；5、联系实际对文中说明的现象提出合理化建议和设想；6、调动知识的积累，考查选文材料由内向外的延伸和课本外与内的联系（如理解选文涉及的重要作家作品、作品中的文学典型、名句等）；7、发挥联想、想象补写有关内容；8、对文中的艺术手法或美点进行赏析。