朴素贝叶斯情感分析评分python_Stanford NLP学习笔记：7. 情感分析（Sentiment）

1. 什么是情感分析(别名：观点提取，主题分析，情感挖掘。。。)

应用：

1)正面VS负面的影评(影片分类问题)

2)产品/品牌评价: Google产品搜索

3)twitter情感预测股票市场行情/消费者信心

2. 目的

利用机器提取人们对某人或事物的态度，从而发现潜在的问题用于改进或预测。

这里我们所说的情感分析主要针对态度(attitude)。

注：Scherer 情感状态类型主要可以分为：

情绪(emotion)：有一定原因引发的同步反应。例如悲伤(sadness)，快乐(joy)

心情(mood)：没有明显原因引发的长期低强度的主观感受变化。例如忧郁(gloomy)，倦怠(listless)

人际立场(interpersonal stance)：对他人的特定反应。例如疏远(distant)，冷漠(cold)

态度(attitude)：对特定人或事物的带有主观色彩的偏好或倾向。喜欢(like)，讨厌(hate)

个性特质(personal traits)：相对稳定的个性倾向和行为趋势。例如焦虑(nervous)，渴望(anxious)

具体定义可以参考这篇文章

3. 情感分析的内容

考虑到态度可以具体分成一下内容：

态度的持有者(source)

态度的目标(aspect)

态度的类型：一系列类型如喜欢(like)，讨厌(hate)，珍视(value)，渴望(desire)等；或着简单的加权极性如积极(positive)，消极(negative)和中性(neutral)并可用具体的权重修饰

态度的范围：某句话/全文

因此情感分析的目标可以分为一下几种：

初级：文章的整体感情是积极/消极的？

进阶：对文章的态度从1-5打分

高级：检测态度的目标，持有者和类型

4. 基准算法(Baseline Algorithm)

极性检测(Bo Pang et.al. Thumbs up? Sentiment Classification using Machine Learning Techniques. EMNLP-2002, 79-86)

数据样例： IMDB影评数据

步骤：

1)分词(tokenization)

分词的一些问题：

1.如果数据来自HTML或XML格式，那就需要处理相应的标记；