A review on sentiment analysis and emotion detection from text

总体介绍

  该篇文章主要介绍了情感分析（sentiment analysis）和情绪检测（emotion detection）的研究背景、研究内容、数据集、研究历史和现状以及未来要面对的挑战。介绍内容很广，仅研究现状这一项就又分为了基于词典的方法（Lexicon-based Approach），基于机器学习的方法，基于深度学习的方法和迁移学习。

个人体会

  令我很惊讶的是，我原本以为在NLP领域，近几年基于深度学习的方法应当是独占鳌头，然后传统的基于传统方法的方法比如SVM，RF，朴素贝叶斯等以及其混合方式的使用仍然占据了一席之地。这篇文章对于各种方法发展脉络进行了梳理，虽然介绍不深，但给出了某种方法的详细过程，可以经常回过头来再详细看看。
  第二点这篇文章给我的帮助是，说明了文本中的冠词如a、an、the等以及标点符号（好像可以统称为停止词）的去除不仅不会影响正确率反而会有所提高（目前只是说对英文），还有就是像将argued变为argue也可以减少不必要的计算（或许也可以减少OOV？但中文就没有英文这种用法可能就不管用了）
  第三点是这篇文章的所写的目前存在的挑战是，互联网文本的随意性（错打、缩写等），关联目标的方面级情感分析的难提取性等等。但是没有写对未来的技术创新的一些期望，感觉有些遗憾。
  第四点是这篇文章详细解释了情感分析（sentiment analysis）和情绪检测（emotion detection）的区别（虽然有时候可以通用）。情感分析（sentiment analysis）侧重于研究文本中的情感极性即积极、消极或中性，而情绪检测（emotion detection）则侧重于研究文本中的情绪类型即高兴、喜爱、惊讶等等。

[1]A review on sentiment analysis and emotion detection from text