基于机器学习的NLP情感分析（1）——概述

主要参考文献

CSDN：基于机器学习的NLP情感分析（一）---- 数据采集与词向量构造方法（京东商品评论情感分析）

0 情感分析（Sentiment Analysis）

情感分析（Sentiment analysis），又称倾向性分析，意见抽取（Opinion extraction），意见挖掘（Opinion mining），情感挖掘（Sentiment mining），主观分析（Subjectivity analysis），它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。

通常情感分析任务包括如下几类（我爱公开课：斯坦福大学自然语言处理第七课“情感分析（Sentiment Analysis）”）：

1. 简单分类Simplest task: Is the attitude of this text positive or negative?
2. 复杂分类More complex: Rank the attitude of this text from 1 to 5
3. 高级Advanced: Detect the target, source, or complex attitude types

主流思想：

基于情感词典：是指根据已构建的情感词典，对待分析文本进行文本处理抽取情感词，计算该文本的情感倾向，即根据语义和依存关系来量化文本的情感色彩。最终分类效果取决于情感词库的完善性，另外需要很好的语言学基础，也就是说需要知道一个句子通常在什么情况为表现为Positive和Negative。

基于机器学习：是指选取情感词作为特征词，将文本矩阵化，利用logistic Regression, 朴素贝叶斯(Naive Bayes)，支持向量机（SVM）等方法进行分类。最终分类效果取决于训练文本的选择以及正确的情感标注。