情感修复词咋解释 中文情感分析 (Sentiment Analysis) 的难点在哪？

情感修复词咋解释 中文情感分析 (Sentiment Analysis) 的难点在哪？

假设分析的对象是手机评论。您可以在京东、亚马逊或中关村找到这款手机的评论。大致如图所示。

情感分析()的第一步是判断一个词是正面还是负面，主观还是客观。这一步主要依赖字典。

英语已经拥有丰富的词典资源：无论是正面还是负面，主客观，以及单词的情感强度，都胜出。

但是在汉语领域，已经有很多用于判断正反的词典资源了，比如，但是用了这些词典后，效果确实不好（最近我也发现了大连发布的情感词汇本体数据库科技大学，但没用过，差评）。中文的开源真的不够英文的细致有效。中文的主客观识别真的是没法直接看的。

中文领域的难点在于：词典资源质量不高，不够细致。此外情感修复词咋解释，缺乏主客观词典。第二步是识别一个句子是肯定的还是否定的，主观的还是客观的。当你有字典时，它很容易处理。直接去匹配，看字典里有哪些词在一个句子中，然后相加计算句子的情感分数。

但是，因为在不同的领域有不同的情感词，比如看上面的例子，“蓝屏”这个词一般不会出现在情感词典中，但是这个词清楚地表达了不满。因此，有必要根据特定领域构建有针对性的情感词典。如果不是那么麻烦，可以使用有监督的机器学习方法。将一堆评论扔到算法中进行训练。分类器训练好后，评论可以分为正面和负面，主观和客观。很容易将其分为正面和负面，就像上面的示例一样。 5星的评论一般是正面的，1到2星的评论一般是负面的，所以可以直接训练，无需人工标注。但主观和客观还不够，一般主观和客观还需要人们去判断。另外，中文主客观词典功能不强，这使得机器学习更难进行主客观判断。中文领域的难点：字典还是太差了。另外，使用机器学习的方法进行主客观判断非常麻烦，一般需要人工标注。另外，中文也找到了资源，比如这个库写在：。您可以计算一个句子的正面和负面情绪值。不过我没用过，具体效果不清楚。第三步，情感挖掘升级为意见挖掘（）。在这一步中，您需要从评论中找出产品的属性。以手机为例，屏幕、电池、售后服务等都是它的属性。在这一点上，这取决于评论如何评估这些属性。例如，“屏幕好”，这是积极的。 “一天不够，电池就用完了，作弊”，这个是负面的，很强大。

这就要求在情感分析的基础上，先挖掘出产品的属性，再分析对应属性的情感。在分析了每条评论的所有属性的情感后，可以将它们汇总形成消费者对产品各个部分的评价。接下来，您可以比较不同产品的评估并将它们可视化。如图所示。

这一步的主要目的是准确挖掘产品属性（通常使用关联规则），准确分析相应的情感倾向和情感强度。所以这需要情感分析作为基础。首先在中找到主观句，然后在主观句中找到产品属性，然后计算该属性对应的情感分数。因此，如果前面的基础不牢固，后面就很难准确分析。

中文领域的研究其实很完备，技术也很成熟。但是，需要提高早期情感分析的准确性。总的来说情感修复词咋解释，汉语词典资源不好，做的不是很详细准确。前期有些基础不扎实，后期不容易得到准确的分析结果。

作为句级和章级的应用题，感觉中英文处理不会有本质区别。最好先阅读两个该领域的经典文献情感修复词咋解释，然后再考虑具体的研究问题：

1.Bing Liu's and

2.庞博

和

Tags：情感修复词咋解释