情感极性：关于中文情感分类的知识

一、文本分类

1、什么是文本分类？

文本分类，就是在预定义的分类体系下，根据文本的特征（内容或属性），将给定文本与一个或多个类别相关联的过程。

2、文本分类的具体步骤？

（1）构建分类类别体系

（2）获取带有类别标签的文本

（3）文本的特征选择及权重计算

（4）分类器的选择与训练

（5）文本的分类应用

3、类别体系

一般的文本分类基于文本内容，将文本自动划分为政治、经济、军事、体育等等类别。按目前互联网网页内容分类，还可以覆盖更多类别，比如旅游资讯、游戏、人物访谈、音乐、影视、软件、文学、健康、美食、财经、教育、广告、犯罪、自然灾害等，每一个分类还可以拓展子分类，具体情况还需要以实际项目需求为准。

对应每一个类别，都可以训练出对应的词特征文件。对应到类别的细分或者合并，只需要简单的将词特征文件按需要进行分拆或者合并，具有比较好的扩展性。

4、文本获取

互联网信息资讯非常庞大，除了各大厂商自身拥有的海量数据，还可以基于爬虫技术进行数据获取，这里有一个简单的例子：京东商城评论数据获取

但实际上互联网上存在非常多没有标注的数据，这时候可以考虑无监督或者弱监督的方法，不过效果相比监督方法较差。这时候可以选择人工进行标注，但这部分工作异常耗费人力。

5、文本特征选择

（1）什么是