隨著互聯網的普及，越來越多的用戶已經習慣在網絡上發表評論。這些評論表達了用戶的情感傾向，無論對於公司還是個人，這樣的信息都具備很高的價值。
情感分析
然而，面對海量的用戶評論數據時，想要通過純人工的方式進行情感分析，幾乎是不可能完成的任務。所以，我們需要使用NLP的技術來處理這個任務。
情感分析：對包含主觀信息的文本進行情感色彩（褒貶）判斷，以確定該文本的觀點、喜好、情感傾向。
情感分析主要有3個要素，如下圖所示：
情感分析3要素
- 觀點持有者：指發表評論的用戶，如：大眾點評的用戶
- 觀點/極性：正向和負向的評論，如：好吃、難看
- 評價對象：一般包括實體和屬性，如：KFC的就餐環境
其中，很多情感分析也會把“時間”這個維度考慮進去，按照不同的時間段分別進行分析，這樣可以更客觀地評估用戶的情感傾向，比如：使用Twitter的情感分析預測股市行情。
目前情感分析主要有兩種方法：
- 基於情感詞典，是指根據已構建的情感詞典，抽取待分析文本的情感詞，然後計算其情感傾向。
- 基於機器學習的情感分析，是指選取情感詞作為特徵詞，將待分析文本向量化，利用分類器（LR、SVM等）進行分類。
本文我們重點講講基於情感詞典的情感分析，因為其方法相對更簡單一些，更容易上手，不需要掌握機器學習的相關知識，也不需要大量帶標註的訓練數據，而其效果取決於情感詞典的完善性。
情感詞典
情感詞典一般主要包括：情感詞和程度詞。用戶用情感詞表達自己的態度，比如：喜歡、討厭等；而用戶用程度詞表達強弱程度，比如：非常，一般等。
網上會有一些開源的中文情感詞典可以直接使用，但質量一般參差不齊。如果想要高質量的、有針對性的中文情感詞典，那麼就需要自己動手進行生成，自然就離不開中文分詞技術，這裡安利大家一本掘金小冊《深入理解NLP的中文分詞：從原理到實踐》（點擊瞭解更多，查看詳情），讓你可以從零開始掌握中文分詞技術。
假設我們已經有了一份中文情感詞典，大概如下所示（情感詞：數值）：
- 喜歡： 1
- 愛：2
- 缺點： -1
- 失望： -2
其中，數值為正的情感詞表達的是正向的，反之表達的是負向的。不同的情感詞所傳遞的程度也是不同的，比如：喜歡就是淡淡的愛，愛就是深深的喜歡。
而程度詞典則如下所示（程度詞：數值）：
- 有一點：1
- 非常：2
- 極其：3
用戶會用形容詞來進一步傳遞自己的情感傾向，我們還可以引入一些符號來擴充程度詞，比如：感嘆號（！）。
現在，我們可以開始處理待分析的文本了，收集了一份關於旅店的用戶評價數據，羅列幾條如下：
- 前臺樓層服務員不錯，房間安靜、整潔，唯一衛生間地漏設計不好，導致少量積水。
- 位置不錯市中心，房間一如既往乾淨。
- 半夜沒暖氣住 ! ! ! ! ! ! ! ! ! !
其中，像“不”和“沒”都是一些反轉詞，我們把這樣的詞設置成-1，可以改變原有的情感詞取值符號。
我們先對這些句子進行分詞，會得到如下的結果：
1. 前臺 樓層 服務員 很 不錯 房間 安靜 整潔 唯一 衛生間 地漏 設計 不好 導致 少量 積水 2. 位置 不錯 市中心 房間 一如既往 乾淨 3. 半夜 沒 暖氣 住 ! ! ! ! ! ! ! ! ! !
根據情感詞典匹配分詞結果裡面的詞，而數值計算可以分成正向和負向，我們拿其中一個為例：
1. 前臺 樓層 服務員 不錯 房間 安靜 整潔 唯一 衛生間 地漏 設計 不好 導致 少量 積水 正向匹配結果： 很： 1 # 程度詞 不錯： 1 安靜： 1 整潔： 1 正向數值結果： 1 + 1 + 1 + 1 = 4 負向匹配結果： 不好： -1 積水： -1 負向數值結果：|-1| + |-1| = 2 最後情感傾向結果：(4, 2)，綜合數值為 4 - 2 = 2
以上就是基於情感詞典的情感分析的方法，不難發現中文分詞對最後的結果影響很大。有了這樣的情感分析方法，我們就可以自動化，批量地對用戶評論進行分析，快速得到用戶真實的反饋信息，並據此調整產品邏輯或個人購買意願。
關於基於機器學習的情感分析，簡單介紹一下：
- 首先，需要人工標註好的情感分類數據，正向標註為1，負向標註為0，分成訓練數據和測試數據。
- 然後，選取文本中的“特徵詞”，比如商品的描述詞（簡約，時尚）等等，將詞轉化成向量，形成詞的矩陣。
- 最後，使用分類器模型（LR、SVM、NB）對訓練數據進行學習，得到模型後，用測試數據進行預測，選取效果最優的模型。
本文淺談了如何做情感分析，基本滿足了大家日常對情感分析的需求，如果想了解一些進階的方法，大家可以關注我的專欄，後面會再更新相關內容。大家如果對中文分詞感興趣，還請多多支持我的掘金小冊《深入理解NLP的中文分詞：從原理到實踐》（點擊瞭解更多，查看詳情），多謝多謝！
