随着互联网的普及，越来越多的用户已经习惯在网络上发表评论。这些评论表达了用户的情感倾向，无论对于公司还是个人，这样的信息都具备很高的价值。
然而，面对海量的用户评论数据时，想要通过纯人工的方式进行情感分析，几乎是不可能完成的任务。所以，我们需要使用NLP的技术来处理这个任务。
情感分析：对包含主观信息的文本进行情感色彩（褒贬）判断，以确定该文本的观点、喜好、情感倾向。
情感分析主要有3个要素，如下图所示：
- 观点持有者：指发表评论的用户，如：大众点评的用户
- 观点/极性：正向和负向的评论，如：好吃、难看
- 评价对象：一般包括实体和属性，如：KFC的就餐环境
其中，很多情感分析也会把“时间”这个维度考虑进去，按照不同的时间段分别进行分析，这样可以更客观地评估用户的情感倾向，比如：使用Twitter的情感分析预测股市行情。
目前情感分析主要有两种方法：
- 基于情感词典，是指根据已构建的情感词典，抽取待分析文本的情感词，然后计算其情感倾向。
- 基于机器学习的情感分析，是指选取情感词作为特征词，将待分析文本向量化，利用分类器（LR、SVM等）进行分类。
本文我们重点讲讲基于情感词典的情感分析，因为其方法相对更简单一些，更容易上手，不需要掌握机器学习的相关知识，也不需要大量带标注的训练数据，而其效果取决于情感词典的完善性。
情感词典
情感词典一般主要包括：情感词和程度词。用户用情感词表达自己的态度，比如：喜欢、讨厌等；而用户用程度词表达强弱程度，比如：非常，一般等。
网上会有一些开源的中文情感词典可以直接使用，但质量一般参差不齐。如果想要高质量的、有针对性的中文情感词典，那么就需要自己动手进行生成，自然就离不开中文分词技术，这里安利大家一本掘金小册《深入理解NLP的中文分词：从原理到实践》，让你可以从零开始掌握中文分词技术。
假设我们已经有了一份中文情感词典，大概如下所示：
| 情感词 | 数值 |
|---|---|
| 喜欢 | 1 |
| 爱 | 2 |
| 缺点 | -1 |
| 失望 | -2 |
其中，数值为正的情感词表达的是正向的，反之表达的是负向的。不同的情感词所传递的程度也是不同的，比如：喜欢就是淡淡的爱，爱就是深深的喜欢。
而程度词典则如下所示：
| 程度词 | 数值 |
|---|---|
| 有一点 | 1 |
| 非常 | 2 |
| 极其 | 3 |
用户会用形容词来进一步传递自己的情感倾向，我们还可以引入一些符号来扩充程度词，比如：感叹号（！）。
现在，我们可以开始处理待分析的文本了，收集了一份关于旅店的用户评价数据，罗列几条如下：
- 前台楼层服务员不错，房间安静、整洁，唯一卫生间地漏设计不好，导致少量积水。
- 位置不错市中心，房间一如既往干净。
- 半夜没暖气住 ! ! ! ! ! ! ! ! ! !
其中，像“不”和“没”都是一些反转词，我们把这样的词设置成-1，可以改变原有的情感词取值符号。
我们先对这些句子进行分词，会得到如下的结果：
1. 前台 楼层 服务员 很 不错 房间 安静 整洁 唯一 卫生间 地漏 设计 不好 导致 少量 积水
2. 位置 不错 市中心 房间 一如既往 干净
3. 半夜 没 暖气 住 ! ! ! ! ! ! ! ! ! !
根据情感词典匹配分词结果里面的词，而数值计算可以分成正向和负向，我们拿其中一个为例：
1. 前台 楼层 服务员 不错 房间 安静 整洁 唯一 卫生间 地漏 设计 不好 导致 少量 积水
正向匹配结果：
很： 1 # 程度词
不错： 1
安静： 1
整洁： 1
正向数值结果： 1 + 1 + 1 + 1 = 4
负向匹配结果：
不好： -1
积水： -1
负向数值结果：|-1| + |-1| = 2
最后情感倾向结果：(4, 2)，综合数值为 4 - 2 = 2
以上就是基于情感词典的情感分析的方法，不难发现中文分词对最后的结果影响很大。有了这样的情感分析方法，我们就可以自动化，批量地对用户评论进行分析，快速得到用户真实的反馈信息，并据此调整产品逻辑或个人购买意愿。
关于基于机器学习的情感分析，简单介绍一下：
- 首先，需要人工标注好的情感分类数据，正向标注为1，负向标注为0，分成训练数据和测试数据。
- 然后，选取文本中的“特征词”，比如商品的描述词（简约，时尚）等等，将词转化成向量，形成词的矩阵。
- 最后，使用分类器模型（LR、SVM、NB）对训练数据进行学习，得到模型后，用测试数据进行预测，选取效果最优的模型。
本文浅谈了如何做情感分析，基本满足了大家日常对情感分析的需求，如果想了解一些进阶的方法，大家可以关注我的专栏，后面会再更新相关内容。大家如果对中文分词感兴趣，还请多多支持我的掘金小册《深入理解NLP的中文分词：从原理到实践》，多谢多谢！
