情感分析

情感分析是自然语言处理中常见的场景，对于指导产品更新迭代具有关键性的作用。

通过情感分析，可以挖掘产品在各个维度的优劣，从而明确如何改进产品。比如对外卖评价，可以分析菜品口味、送达时间、送餐态度、菜品丰富度等多个维度的用户情感指数，从而从各个维度上改进外卖服务。

情感分析可以采用基于情感词典的传统方法，也可以采用基于深度学习的方法。

情感分析也称为意见挖掘（Option Mining），是自然语言处理（NLP）的一个领域，它构建的系统，用于在文本中识别和提取观点。通常，除了识别观点，这些系统还提取描述的特征，例如：

极性：发言者表达积极或消极的意见；
主题：正在谈论的事情；
意见持有人：表达意见的个人或实体

目前，情感分析是一个很有兴趣的话题，因为它有许多实际应用。由于互联网公司公开可用的信息不断增长，在评论网站，论坛，博客和社交媒体中，可以获得大量表达意见的文本。

在情感分析的帮助下，这种非结构化信心可以自动转化为，数据化结构，关于产品，服务，品牌或人们可以表达意见的其他主题。这些数据对于商业应用非常有用，例如营销分析，公馆分析，产品评论，网络发起人评分，产品反馈和客户服务。

情感分析可以用于不同级别的范围：

文本级别：通过完整文档或段落来获取情绪；
句子级别：获得单句的情绪；
子句级别：获得字句子中，表达的情感。

情感分析的优点

可扩展性

如成千上万的推文，用户对话或用户评论等数据量比较大的情况下，情感分析能够以有效且低成本的方式大规模处理数据。

实时分析

我们可以使用情感分析来识别关键信息，以便在特定情境中实施提供态势感知。

一致的标准

人类没有观察到评估一段文字感情的清洗标准。锯骨机，在判断特定文本的情感时，不同的人仅仅在60~65%的情况下统一。这是一项主管任务，伸手个人经理，思想和信仰的影响。通过使用集中情感分析系统，公司可以对所有数据应用相同的标准，这有助于减少错误并提高数据一致性。

基于情感词典的传统算法

基于情感词典的方法，先对文本进行分词或停用词处理等预处理，再利用先构建好的情感词典，对文本进行字符串匹配，从而挖掘正面和负面信息。

情感词典包含正面词语词典、负面词语词典、否定词语词典、程度副词词典等四部分。

词典包含两部分，词语和权重。

基于词典的文本匹配算法需要逐个遍历分次后的语句中的词语，如果词语命中词典，则进行相应权重的处理。正面词权重为加法，负面词权重为减法，否定词权重取相反数，程度副词权重和它修饰的词语权重相乘。利用最终输出的权重值，就可以区分是正面、负面还是中性情感了。

基于情感词典的情感分类，简单易行，而且通用性也能够得到保障，但其不足在于：

1、精度不高。语言是一个高度复杂的东西，采用简单的现行叠加显然会造成很大1精度损失。词语权重同样不是一成不变的，而且也难以做到准确。

2、新词发现。对于新的情感词，比如给力，666等等，词典不一定能够覆盖；

3、词典重构难，基于词典的情感分类，核心在于情感词典。而情感词典的构建需要有较强的背景知识，需要对语言有比较深刻的理解，在分析外语方面会有很大限制。

基于深度学习的算法

近年来，深度学习在NLP领域内也是遍地开花。基于深度学习的情感分析，具有精度高，通用性强，不需要情感词典等优点。

基于深度学习的情感分类，首先对语句进行分词、停用词、简繁转换等预处理，然后进行词向量编码，然后利用LSTM或者GRU等RNN网络进行特征提取，最后通过全连接层和softmax输出每个分类的概率，从而得到情感分类。

基于深度学习的情感分析难点也很多，比如：

1、语句长度太长。很多用户评论都特别长，分词完后有几百个词语。一般解决方法有进行停用词护理，无关词处理等，从而所建文本长度。或者对文本进行摘要，抽离语句主要成分。

2、新词和口语词特别多。用户评价语句不像新闻那样规整，新词和口语化的词语特别多。这个问题给分词和词向量带来了很大难度。一般解决方法是分词方面，建立用户词典，从而调高分词准确度。词向量方面，对新词进行增量训练，从而提高新词覆盖率。

AI学习笔记（十八）NLP常见场景之情感分析相关推荐

Polyworks脚本开发学习笔记(十八)-用SDK开发Polyworks插件
Polyworks脚本开发学习笔记(十八)-用SDK开发Polyworks插件插件是由PolyWorks加载的动态链接库(DLL文件),然后查询Polyworks模块,以确定它们具有哪些功能,提供给 ...
python3.4学习笔记(十八) pycharm 安装使用、注册码、显示行号和字体大小等常用设置...
python3.4学习笔记(十八) pycharm 安装使用.注册码.显示行号和字体大小等常用设置 Download JetBrains Python IDE :: PyCharm http://ww ...
windows内核开发学习笔记十八：IRP 处理的标准模式
windows内核开发学习笔记十八:IRP 处理的标准模式在 Windows 内核中的请求基本上是通过 I/O Request Packet 完成的. I/O manager ---> Dis ...
【D3D11游戏编程】学习笔记十八：模板缓冲区的使用、镜子的实现
(注:[D3D11游戏编程]学习笔记系列由CSDN作者BonChoix所写,转载请注明出处:http://blog.csdn.net/BonChoix,谢谢~) 模板缓冲区(Stencil Buffe ...
three.js学习笔记(十八)——调整材质
介绍到现在为止,我们都在创建新的着色器材质,但是如果我们想要修改一个Three.js内置的材质呢?或许我们对MeshStandardMaterial的处理结果感到满意,但是希望往里边添加顶点动画. ...
学习笔记(十八)：MoRe-Fi用深度学习网络从非线性信号中恢复呼吸波形
<MoRe-Fi: Motion-robust and Fine-grained Respiration Monitoring via Deep-Learning UWB Radar>学习 ...
【theano-windows】学习笔记十八——混合蒙特卡洛采样
#前言继续之前的Theano学习,本次主要学习混合蒙特卡洛(Hybrid Monte-Carlo Sampling)采样算法. 国际惯例,参考网址 Hybrid Monte-Carlo Sampli ...
MonoRail学习笔记十八：在VM中可以使用哪些系统变量
我们知道在vm中可以直接使用Session.SiteRoot等,那么我们还可以使用哪些默认的系统变量呢? 其实可以直接在vm中使用的系统变量都是在NVelocityViewEngine类的Create ...
JavaScript权威设计--事件冒泡，捕获，事件句柄，事件源，事件对象(简要学习笔记十八)...
1.事件冒泡与事件捕获 2.事件与事件句柄 3.事件委托:利用事件的冒泡技术.子元素的事件最终会冒泡到父元素直到跟节点.事件监听会分析从子元素冒泡上来的事件. 事件委托的好处: 1.每个函 ...

AI学习笔记（十八）NLP常见场景之情感分析

情感分析

基于情感词典的传统算法

基于深度学习的算法

AI学习笔记（十八）NLP常见场景之情感分析相关推荐

最新文章

热门文章