开发者学堂课程【高校精品课-华东师范大学 - Python 数据科学基础与实践：情感分析 上】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/1067/detail/15524
情感分析 上
内容介绍
一、情感分析的定义
二、情感分析构成
三、情感分析详情
左图跟文本分类一样
情感分析有多种定义，但都大同小异本章情感分析的定义为。
一、情感分析的定义
情感分析是对文本进行上下文挖掘，识别和提取文本中的主观信息(积极、消极和中性)，中性一般不考虑
文本分析的目的，帮助企业了解其品牌、产品或服务的用户情感。
情感分析又可以称为:观点挖掘、倾向性分析、意见抽取、意见挖掘、情感挖掘、主观分析;Sentiment analysis/Opinion mining
是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程
二、情感分析构成
-观点持有者 发表观点、情感，分析不同用户的情感，
-评价对象
-评价观点
-评价文本，大多数时只考虑评价文本，只考虑文本是积极与否，一般比较简单。详细一点，应该是区分不同的观点持有者。哪些用户什么观点，然后，再进一步，要在文本里分析出，评价对象，评价观点。里面有评价对象和评价观点，评价对象和评价词，主观力度强。
在大作业里，不一定是叫情感分析，可以是观点挖掘，在民生的文本里挖掘观点，观点可以是，表达的是地方的交通特别堵，或医疗药费特别贵，在民生里挖掘力度细
三、情感分析详情
1，情感粒度
二元分类的粒度是把情感分成正面负面，积极消极，感兴趣，不感兴趣等等二元分类
三元分类，比如增加一个中性
多元分类，如七情六欲。七情，喜怒忧思悲恐惊。在文本里分析多情绪、多标签的情感。或者以一星到五星打分进行多标签的多元分类。
情感分析的粒度指情感本身的粒度情感
2，文本粒度
篇章级，粗---篇章的情感。句子级，细---句子的情感。方面级aspect，到某一特征 某一评价对象情感。
现在情感分析的发展趋势，已经是到细粒度。通过情感分析。例如，雅戈尔的衬衫比七匹狼好，为什么雅戈尔的衬衫比七匹狼好，实际上这在商业里面是没有意义，只是知道好坏。进一步希望知道什么呢？知道雅戈尔的衬衫到底在哪几个方面好，面料，做工还是价格等等。所以方面级可以再进一步分成粗粒度和细粒度。主要就是看分析的对象，文本级别是粗粒度和细粒度。
3，分析方法
情感分析的方法跟文本分类放在一起讲，所以现在，目前用的最成熟的还是分类的基础，此外还有，基于情感词典的方法，指是分类技术，基于词表的方法看看情感词表里，在文本里面中的词是不是情感词表这样一个概念情感分析
开始流行起来以后---机器学习的方法
深度学习在大的范畴里面也是机器学习，但其特征自动提取，主要是特征的自动提取特征。不要人工干预情感分析的方法
4，研究方向
目前情感分析的研究方向，有情感分类，还有可以打分的情感评分，就是结合情感分类，然后进行强度打分。可以做专门做评价对象抽取。评价词抽取。
注意：之前往往是把情感分析的观点。观念放在一起Sentiment analysis／Opinion mining放一起。所以，要在里面抽取的评价对象和评价词。
课程是永远是要结束，探索是无尽的，所以在大作业里，看那个组能不能做得到，里面做的民生关注做得更细，能够真的是挖掘到文本里面的用户的关注，所以，评价对象，评价词的抽取。另外还可以做一些概括性的，也就是之前的评价对象，评价词也许抽出来了，当然抽出来以后，也不知道那两个是不是一对一对的。因为，如果用命名实体识别，这样一个条件随机场，用命名实体识别的方法只出来一个独立词，可以后面通过规则，在一段话里面看两个对象之间的关系，结合具法分析吧，能不能判断是一对，就是讲的观点概括，评价对象，评价值正确的，然后在做各种统计分析。然后还可以做一些虚假评论的设备设备如一些水军
5，应用领域
前面的文本分类有了很多应用领域，情感分析也有很多应用领域，现在商业领域里面用的最多的应用领域就是消费者口碑分析。然后是事件的走向预测。接下来是舆情监控，用户兴趣挖掘，后面会展开介绍。当然还有很多应用领域。民生关注,就是这样的应用领域
