情感分析也称为意见挖掘，是自然语言处理（NLP）中的一个领域，它试图在文本中识别和提取意见
除了提取意见，还可以提取：
态度：发言者是表达了积极还是消极的意见
主题：正在谈论的事情
意见持有人：表达意见的实体
有很多实际应用场景，例如：
社交媒体监控 品牌监控 客户之声（VoC） 客户服务 员工分析 产品分析 市场研究与分析
实现情感分析的方法有很多种，可分为：
基于规则的，手动制定一些规则来执行情绪分析。
自动系统，依靠机器学习技术从数据中进行学习。
混合系统，结合了基于规则和自动的方法。
基于规则的： 这时需要定义一组规则，用于识别态度，意见主体等。
例如可以这样做：
1. 定义两个态度极性的词列表（例如，诸如差，最差，丑陋等负面词，和好，最佳，美丽等正面词）。
2. 给一个文本 计算文本中出现的正面词数。 计算文本中出现的否定词数。
3. 如果正面词出现的数量大于负面单词出现的数量，则返回正面情绪，相反，返回负面情绪。否则，返回中立。
当然这个方法非常非常简单，没有考虑单词如何在一个序列中组合的
自动方法 这种主要是依赖于机器学习技术。
情绪分析任务通常被建模为分类问题，可以使用 Naïve Bayes, Logistic Regression, Support Vector Machines, Neural Networks 等算法。
Naïve Bayes：使用贝叶斯定理来预测文本的类别。
Logistic Regression：非常着名的算法，给定一组特征（X）的情况下预测值（Y）。
Support Vector Machines：：非概率模型，将文本看作多维空间中的点，被映射到空间的不同区域作为不同的类别。
Neural Networks：用 RNN 等神经网络来处理 之前写过一篇简单的 怎样做情感分析 ***/p/1909031bb1f2
我是不会停的蜗牛 Alice
欢迎关注我
版权声明：本文来自用户投稿，不代表【青檬情感】立场，本平台所发表的文章、图片属于原权利人所有，因客观原因，或会存在不当使用的情况，非恶意侵犯原权利人相关权益，敬请相关权利人谅解并与我们联系（邮箱：shiyucn@qq.com）我们将及时处理，共同维护良好的网络创作环境。
评论列表（0条）