Beginner’s Guide to Introduction to NLP (Part 7): Sentiment Analysis

简介

文本情感分析，亦称意见挖掘，是对包含情感色彩的主观性文本实施分析、处理、归纳及推理的过程。其中所涉及的主观情感可能体现为个体的判断或评价、情绪状态，或是有意传达的情感信息。因此，情感分析的一项核心任务即为判断文本的情感倾向性，该倾向性通常划分为正面、负面与中性三类，分别对应褒义、贬义及客观评价。在研究初期，众多学者集中于对词语和句子层面的情感倾向进行探讨；然而，随着互联网上大量主观性文本的涌现，研究焦点逐步从单纯的情感词汇分析转向更为复杂的情感句及情感篇章的研究。文本情感分析可归纳为三个逐层递进的研究任务：即情感信息的提取、情感信息的分类以及情感信息的检索与归纳。其中，情感信息提取旨在将非结构化的文本转化为便于计算机识别与处理的结构化形式；而情感信息分类则基于提取结果将文本单元划分至不同类别以供用户查阅，例如分为褒义、贬义、客观或其他更细化的情感类别；至于情感信息检索与归纳，则可视为直接面向用户的交互界面，侧重于检索与归纳两项功能的实际应用。

作为一门新兴的研究方向，情感分析具备重要的理论价值和实际应用意义，并受到国内外众多学者的关注与重视。当前实现该技术的主要方法可分为基于机器学习的方法和基于语义的方法两大类。

类别

统计机器学习方法应用

伴随大规模语料库的构建及各类语言知识库的相继问世，依托语料库的统计机器学习技术逐渐被引入自然语