基于情感词库和PMI互信息的情感分类

     情感分类在数据挖掘领域应该是一个比较细分而且难做的部分，之前在研究生阶段了解了一点，印象中有研究把twitter的情感可以分为21类，情感分析在观点预测、市场营销都有一定的用处，刚好项目中有需要区分用户情感的部分，就花了点时间实现了一个比较简单的demo，效果不是很好，大概65%左右的准确率，需要进一步细化。

    词库构建

    词库的构建可以说是情感分类的重要而且比较有效的环节，一方便可以基于现有的情感词库进行扩展，另一方面，可以利用标注的语料来获取情感词库信息，现有的收集语料的方法一般是利用微博或者评论等信息来提取，因为这类信息一般含有表情，能一定程度的代表信息的情感倾向，然后利用这个倾向来根据互信息计算得到词语的情感极性。考虑到收集语料比较耗时，我主要采用了基于词库和PMI的方法来进行补充和完善，收集词库的信息主要包含以下步骤：

    1. 首先对词库进行了细分，主要分为积极、消极情感词库，积极、消极评价词库，经过语义扩展的积极、消极情感词库，语气词库，PMI计算得到的词语倾向性得分词库。

    2. 首先搜集了网上的情感词库，经过去重和整理之后，利用hownet和哈工大的同义词库对情感词库进行扩展。

    3. 收集了大概50W的评论数据，在前面收集的情感词库的基础上计算每个词的PMI分数。

    4. 给不同的词库赋予不同的权重。

    算法设计

    1. 对输入的句子进行分词，利用NGram, 生成unigram，bigram，trigram特征词组成的新的待分类的语句，这样初始输入是一个句子，输出就