1. 文章信息
2. 摘要
3. 前言
4. 情感分析的方法与应用
- 4.1情感分析的新进展
- - 4.1.1aspect-level sentiment analysis
  - 4.1.2 sentence-level sentiment analysis
  - 4.1.3 document-level sentiment analysis
- 4.2 应用场景
- - 4.2.1 Business intelligence（商业情报）
  - 4.2.2 推荐系统
  - 4.2.3 Government intelligence（政府情报）
  - 4.2.4 Healthcare and medical domain（医疗领域）

1. 文章信息

作者:Marouane Birjali
单位:University of Chouaib Doukkali
期刊:Konwledge-based system
题目:A comprehensive survey on sentiment analysis: Approaches, challenges and trends

2. 摘要

情感分析（SA），也就做观点挖掘（OM），是提取分析人们对话题、产品服务等不同实体的观点、情感、态度、感知等任务（也就是说情感分析不仅仅是对于情绪的识别，它有可能是对观点的分析，情感分类，等等，也就是说他是一个比较大的，笼统的一个类别）随着互联网的发展，比如社交媒体，网站、博客等等，人们产生了大量的关于产品和服务以及日常的观点和评论，这对于企业、政府或者是研究人员提取和分析公众情绪和观点、获得商业洞察力和研究所人员提取和分析公众情绪和观点、获得商业洞察力和作出更好决策的有力工具。文章主要对于情感分析的方法、挑战、趋势做了一个全面的调查，并给出了该任务的一般过程。

3. 前言

新的情感分析技术开始融合来自于其他模态的信息，如视觉数据。
情感分析和情感计算时人工智能能发展关键
情感分析可以看作是一个文本分类问题，通过多个操作，最终的结果是对给定的文本是否表达了积极、中立、消极的情感，其中有许多子任务，不乏包括讽刺和主观性检测，虚假信息，错误信息，垃圾信息，等。并且可能包含一些错别字、语法等错误，甚至出现缩写、惯用语等。
现在已经有通过对用户生成的文本数据进行分析，从而达到自动检测舆情并辅助决策等。例如,twitter帖子已经被用来预测选举结果。
本文工作有如下：
（1）对常用的情感分析方法进行分类，并对其进行了简要的总结，概述可用技术
（2）对可用的方法进行了比较，以选择适合特定用的方法
（3）总结了情感分析的应用和挑战，以检测新的趋势研究。
还介绍了一些常用应用领域以及情感分析整体流程。

4. 情感分析的方法与应用

4.1情感分析的新进展

情感和观点主要可以再文档级、句子级、和方面级进行检测。（document,sentence,aspect）,前两个任务具有一定挑战，但是第三个层次会更困难，因为他需要进行细粒度调查（原文是fine-grained investigation,什么意思?）

补充:
文档级：假设整个文档只针对一个话题表达了情感（实际通常不是这样）；
句子级：假设一个句子只针对一个话题表达了情感；
Aspect级：在文档级和句子级情感分析中，计算出的情感值是整个文档或整句话的情感值，并未与某话题直接关联；而在Aspect-level情感分析中，提取的是“对象+情感值”，表达情感的对象往往是分析目标的属性或特征，因此挖掘出了更多更细的信息，例如在餐厅评论的Aspect-level情感分析中，“对象+情感值”可以是“价格，-1”、“味道，2”、“新鲜，1”；

4.1.1aspect-level sentiment analysis

对于aspect-level层面来说。他需要进行细粒度的分析，他更偏向于实体特定方面的情感，例如：

the camera of iphone 11 is awesom!
iphone 11的摄像头好极了！

从中我们可以轻松的知道这个句子实际上是positive。因此aspect-level有助于准确探测人们的喜好。它关注的是实体方面，不太发现段落或者句子的情感。
其中方面抽取（aspect extraction）是情感任务的核心,它可以是隐式（？），显示的方面，接下来详细解释隐式方面。
这种层面的详细分析是许多实际应用所需要的。例如企业中为了对产品进行升级或者是改进，甚至是产品中的一些成分/细节是用户所感兴趣的。下面这篇文章提出一种an approach for aspect-based sentiment analysis using Adaptive Aspect-Based lexicons（一种基于自适应方面词典的情感分析方法）

M.E. Mowlaei, M. Saniee Abadeh, H. Keshavarz, Aspect-based sentiment analysis using adaptive aspect-based lexicons, Expert Syst. Appl. 148 (2020) 1–13, https://doi.org/10.1016/j.eswa.2020.113234.

作者通过引入两种方法生产两个动态库，统计方法和遗传算法。动态词库可以在没有认为监督的情况下不断更新，并为上下文相关的属于分配更准确的分数。并且还提出通过一个著名的静态词库进行融合，从而对评论中的方面进行分类。
两个或多个层次进行组合可能会达到更改的效能。例如下面这篇文章，通过youtube上面产品评论的句子和aspect-level的情感分析的联合方法。

L. Mai, B. Le, Joint sentence and aspect-level sentiment analysis of product comments, Ann. Oper. Res. (2020) https://doi.org/10.1007/s10479-02003534- 7.

通过假设句子级和房面积情感分析之间存在很强的相互影响（句子的情感极性依赖和影响aspect-level的情感极性，情感两极性，是指人的任何一种情感体验，都有一种与它性质相反的情感体验相对应），通过联合方法可以很好解决，通过预处理后的评论，适应BERT模型提取作者在句子和aspect-level两个层面的情感反应，然后将分析结果汇总生产目标产品的统计报告。

4.1.2 sentence-level sentiment analysis

更集中于句子。主要目标是判断句子是否表达积极、消极或者是中性的观点。通过把句子归类为客观性、主观性的观点和看法。有几种发放解决了这个层次的分析。
使用句子类型方法提高句子级的情感分析性能。通过应用神经网络的序列模型，根据句子包含的目标数量（非目标句、单目标具或多目标句）将句子分为三种类型。针对于分类，使用一维卷积神经网络进行分类，每种类型的句子分别送入模型（有监督）。sentence-level和document-level没有提供实体方面的细节信息，因为他们没有找到人们喜欢或者不喜欢的东西。

4.1.3 document-level sentiment analysis

主要还是对整个文档是否表达了消极或者积极的情感或观点进行分类。每个文档基于意见持有者对单个实体（例如单个产品）的整体情感进行分类。
当然文档级由一个人编写时效果最好，不适用于评估或比较多个实体。针对文档级情感分析，已经有很多方法被提出。Zhao等人基于修辞结构理论( RST )提出了一种带有权重规则的领域无关文档级情感分析框架( DFDS )。作者将文档解析为修辞结构树，然后使用两个著名的词库计算句子的情感得分。为了识别文档情感极性，他们基于加权规则对句子的得分进行加总。情感分析对于许多应用领域非常有用，但有时文档中可能包含一些相反的情感，这些情感会影响最终的决策。

4.2 应用场景

4.2.1 Business intelligence（商业情报）

1.分析客户对产品或服务的感知是情感分析在商业智能领域最常见的应用。然而，这些分析不仅适用于产品制造商，而且客户也可以利用这些分析来比较产品和做出更好的决策。Bose等[ 45 ]对亚马逊上的find food review进行了10年的追踪。他们使用NRC情感词典对评论进行分析，将顾客评论分为八种情感(愤怒、恐惧、信任、期待、悲伤、惊讶、厌恶、喜悦)和两种情感(积极和消极)。他们的研究结果表明，情感分析可以帮助识别客户的行为并克服风险以满足客户的满意度。
2.情感分析也被应用于市场和外汇预测。罗尼奥内等。[ 52 ]研究了新闻情绪对比特币和传统货币收益、成交量和波动率的影响。
3.将情感分析应用于区块链技术领域的研究还较少，现有工作一般采用情感分析预测数字货币价值。为了预测一些知名加密货币的价格回报，作者使用了一种基于加密货币词典的方法来进行高频扬声器情感分析

4.2.2 推荐系统

推荐系统是一种旨在向用户推荐相关物品(购买电影、音乐或产品)的算法。一个高效的推荐系统可以为一些行业带来巨大的收入。在Li等[ 59 ]的工作中。
作者提出了KBridge；基于微博情感分析的智能电影推荐系统。该系统识别与给定主题相关的微博中的讨论组，并使用提出的新的情感感知关联规则挖掘算法来研究组之间的相关性。本研究利用微博中表达的情感来识别频繁的节目模式并推导影视节目的关联规则。
shen等[ 60 ]引入了一种新的基于情感的可信度矩阵分解( SBMF + R )算法来利用评论进行可靠的推荐。他们的算法由三个阶段组成；首先，他们构建了情感词典，并利用它将评论转化为情感分数。在第二阶段，他们设计了结合用户一致性和评论反馈的用户可靠性度量。第三阶段包括将评分、评论和反馈纳入概率矩阵分解以提高推荐系统的性能。
在文献[ 61 ]中，作者提出了基于社会网络分析的自适应e - learning模型，展示了大数据和情感分析如何改变e - learning范式。提出的情感分析确定了学习者的社会指标，提供了适当的学习节奏。

4.2.3 Government intelligence（政府情报）

使用情感分析来识别对政府政策或其他类似问题的意见，对于监测公众对执行某些政策的可能反应非常有帮助。
F等人使用情感政治指南针( SPC )来衡量报纸与政党之间的接近程度。旨在研究报纸的政治倾向对选民意见形成的影响。作者从德国联邦大选期间的25份报纸中爬取了18个月的18万篇报纸文章组成的数据集，然后使用实体抽取和实体情感分析提取了74万个带有上下文情感的政治实体。这些数据被用来分析报纸与政党之间的关系。
进行情感分析以监测公众情绪，对于某些情况应该是实时的。然而，实时情感分析需要融合大数据等其他技术。情感分析和大数据代表了一种完美的匹配，没有必要仅仅为了实时分析而将它们结合起来。

4.2.4 Healthcare and medical domain（医疗领域）

该领域允许医疗保健行为者获得有关疾病、药物不良反应、流行病和患者情绪的信息[ 68 ]，并对其进行分析，以提供更好的医疗服务。然而发现了一些诸如术语等面临的问题，使得情感分析在这样的领域中难以应用。利用情感分析对患者在社交媒体上产生的数据进行分析，对于推断患者的医疗覆盖面和识别其治疗需求非常有用。

【论文笔记】A comprehensive survey on sentiment analysis: Approaches, challenges and trends（上）相关推荐

【论文笔记】A comprehensive survey on sentiment analysis: Approaches, challenges and trends（中）
文章目录 3. sentiment analysis pre-processing(情感分析预处理步骤) 3.1 Data extraction(数据提取) 3.1.1 数据收集和提取 3.2 数据预 ...
论文大讲堂-2014-IJCV-A Comprehensive Survey to Face Hallucination-Part1
论文大讲堂-2014-IJCV-A Comprehensive Survey to Face Hallucination 0.0 背景介绍这里的话是西安电子科技大学+沈阳的东北大学一起完成的. 作者 ...
论文大讲堂-2014-IJCV-A Comprehensive Survey to Face Hallucination-part2
论文大讲堂-2014-IJCV-A Comprehensive Survey to Face Hallucination 3 子空间学习框架这里的话我们的子空间学习方法是通过采用一种方法来对于我们的 ...
综述论文阅读”A comprehensive survey on graph neural networks“（TNNLS2020）
论文标题 A comprehensive survey on graph neural networks 论文作者.链接作者:Wu, Zonghan and Pan, Shirui and Chen ...
[论文翻译]-A Comprehensive Survey on Graph Neural Networks《图神经网络GNN综述》
文章目录摘要 1 简介 1.1 GNN简史 1.2 Related surveys on graph neural networks 1.3 Graph neural networks vs. ne ...
ChatGPT 拓展资料：论文阅读A Comprehensive Survey on Pretrained Foundation Models: A History from BERT to Chat
ChatGPT 拓展资料:A Comprehensive Survey on Pretrained Foundation Models: A History from BERT to ChatGPT ...
【论文笔记】A Survey of Visual Transformers（完结）
声明: 本人是来自 γ 星球的外星人为了学习地球的深度学习知识的,好回去建设自己的家乡每周不定期更新自己的论文精读笔记,中心思想是两个字 --- 易懂没啥事的兄弟姐妹们,可以和我探讨外星知识哦~ ...
【论文】A Comprehensive Survey on Graph Neural Networks
A Comprehensive Survey on Graph Neural Networks 1 Introduction 2 Definition 3 Categorization GNN分类框 ...
【论文笔记】A Survey on Masked Facial Detection Methods and Datasets for Fighting Against COVID-19
声明不定期更新自己精度论文,通俗易懂,初级小白也可以理解涉及范围:深度学习方向,包括 CV.NLP.Data Fusion.Digital Twin 论文标题:A Survey on Masked ...

【论文笔记】A comprehensive survey on sentiment analysis: Approaches, challenges and trends（上）

目录