传统情感分类方法与深度学习的情感分类方法对比

标注：本博客是参考论文有《传统情感分类方法与机遇深度学习的情感分类方法对比分析》、《自然语言处理中的深度学习：方法及应用》

情感分类是自然语言处理的重要分支，传统情感分类主要有基于情感词典的和基于机器学习的，最新的方法是基于深度学习的。

1、基于情感词典的方法

缺点：受限于情感词典的质量和覆盖度。
定义：是对人脑的简单模拟，核心模式是基于词典和规则，即以情感词典作为判断评论情感极性的主要依据，根据以往经验对现有词汇做出评价的一种模型，eg1：通常把讨厌、糟糕作为消极词，把高兴。快乐作为积极词，通过句子中出现的情感词，预测该句子的情感极性。
依赖于：情感词典的构建和判断规则质量，而两者都需要耗费很多人力，包括人工设计和先验知识。

2、基于机器学习

核心：模型训练
缺点：模型训练依赖于标注数据集的质量，高质量的数据集需要投入大量人工成本。需要高质量的特征构造和选取。
常用特征有:N-gram特征、句法特征等。

3、基于深度学习模型

---

1. 定义：

   深度学习是基于特征自学习和深度神经网络（DNN）的一系列