NLP文本情感——SNOWNLP简易版

NLP情感分析简介：

NLP（Natural Language Processing，自然语言处理）研究用计算机来处理、理解以及运用人类语言（如中文、英文等），达到人与计算机之间进行有效通讯。

自然语言生成三阶段：文本规划、语句规划、实现

NLP应用领域：机器翻译、情感分析、智能问答、文摘生成、文本分类、舆论分析、知识图谱。

情感分析是自然语言处理(NLP)领域的一类任务，又称倾向性分析，意见抽取，意见挖掘，情感挖掘，主观分析等，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。

常用方法：

1、词袋/词典模型

由于机器对于人类语言理解力不强，从而导致文本分析的准确性不高，因此常常需要人工构建词袋/词典的方式，辅助计算机理解，具体做法是构建积极的词语词典和消极的词语词典，对文本进行词频统计，判断积极词汇与消极词汇所占的比重，从而判断文本情感。

但是词袋/词典模型具有没有考虑语句的先后顺序，以及上下文关系的缺点，从2001年的嵌入式词向量表示到2013年的word2vec ，研究已经逐步解决传统词袋表征方式的无序性，并进一步丰富了表征向量的表达能力。

这种方法关键在于构建与维护词典，词典的科学性，准确性。

2、 机器学习模型

由于机器学习的快速发展，循环神经网络（RNN）、Bert模型快速兴起，被广泛地运用于文本分析中。