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 下】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/15525
情感分析 下
内容介绍
一、情感分析方法比较
二、情感分析应用领域介绍
一、 情感分析方法比较
1，基于词典的方法
比较一下基于词典的方法。如，have lite，哈工大，台湾大学，词典里的词，有极性和强度的标注，一个词不光是情感，还有极性如正面、负面，有强度，强度的等级。如很好，超好，巨好等等。
方法：识别情感词，识别情感词的极性和强度，用这个识别来做情感分析。如，做的文本分好词以后，再去找这些词是不是情感词典所具有的极性和强度。极性、程度如何，这里面有些极性和强度可能是一些程度副词、否定词。然后再结合一些复杂规则，来注册基于词典的情感分析方法
2，基于机器学习的方法,
前面做过文本分类，其他的课里面应该学过相似性，要进行特定地区，进行量化表示，再应用分类器，分类器分类，然后评估，这样一套流程。
所以真正机器学习，数据挖掘，包括深度学习，如果只从应用角度来说不难。统计专业的有天然优势，像其他专业的学生，像搞信息，搞情报啊，或者其他一些物理，化学的想学，这门纯理论课程。数学统计还是有一定困难的。其他的一些专业就是学起来简单，用起来还是容易的。
3，基于深度学习的方法
好处就是不依赖于特征工程。是自动提取特征。和前面的方法最大的差别的地方在于，前面的方法如果特征做不好的话，后面效果就不好了。有深度学习的话，是自动提取特征，不依赖于特征工程，而且现在用词向量，特别是新的词向量的方法，语言能力非常强大。依赖于深层神经网络的训练。深度神经网络，要通过这个进行训练，而前面学习是传统的机器学习方法--文本分类学习方法，这就是二者不同之处。
二、情感分析应用领域介绍
1，消费者口碑分析
前面提到消费者口碑分析应用是非常重要的，也是情感分析应用最多的地方。消费者也会参考攻略，据此制定自己的购买决策，商家可以据此分析与总结产品和服务的优势和不足，并加以改进以赢得消费者的青睐
2，舆论监控
很多单位，很多政府部门都重视疫情监控啊，像这次疫情的一些舆情分析，由于现在都在上网课，在线课程，花了很多时间，否则的话应该安排，做一下疫情的这个舆情监控，这方面的论文现在外面都需要。讲到舆情监控。再一个是方向一个发生重大是民意实践的
3，事情走向预测
民意分析是挖掘用户的主流观点和态度，要研判事件的未来的走向和发展趋势，主要是重大事件。还有一些，是金融方面的投资的情感分析，比如说国外有投资基金。
通过情感分析研究金融评论文本的情感情绪来构建情绪保护性，来预测金融的走势，而且，这个好像是英国的一个基金，在投资投资的效益不错，年化也可以达到百分之七八以上。美国总统大选就是分析网络舆情重大事件走向。然后，投票人可能会受到影响，调整策略。
4，个人兴趣挖掘
通过社交网络的分析，有社交网络方面的课程。这个也是重大的一个保障，社交网络里面不仅仅是那个文本的，还有意见领袖，还有就是说网络里面的圈子，帮派。
然后，就涉及到挖掘，可以分析个人的偏好兴趣，还可以构造用户画像，是很重要的用户兴趣挖掘。
植入一些简单概念，给概念的一些基本梳理，理论的一个整理。
