Python和NLTK实现自然语言处理

第7章　情感分析——我很高兴

情感分析或情绪生成是在NLP中的其中一个任务。将它定义为确定字符序列背后情绪的过程。可以使用它来确定演讲者或个人是否以一种快乐或悲伤的情绪，或以一种中性的表述方式，来表达文本思想。

本章包括以下主题。

• 情感分析。
• 使用NER的情感分析。
• 使用机器学习的情感分析。
• NER系统的评价。

7.1　情感分析

将情感分析定义为对自然语言执行的一项任务。此处，在使用自然语言表达的句子或单词上执行计算，确定它们是否表达了正面、负面或中性的情绪。由于情感分析提供了所表达文本的信息，因此这是一种主观的任务。可以将情感分析定义为分类问题，在这个分类问题中，分类可能具有两种类型——二元分类（正或负），也可能是多元分类（正面、负面或中性）。情感分析也称为文本情感分析。这是确定文本背后所蕴含情感或情绪的文本挖掘方法。当情感分析与主题挖掘相结合时，它称为主题-情感分析。也可以使用词典来执行情感分析。词典可以是特定领域的词典，也可以是通用的词典。词典包含正面表达方式、负面表达方式、中性表达方式和停用词列表。当出现测试句子时，可以在词典中执行简单的查找操作。

一个示例单词列表为——英语单词的情感规范（Affective Norms for English Words，ANEW）。这是在佛罗里达大学发现的英文单词列表。这个英文单词列表由表达了优势度（dominance）、评价值（valence）和唤起度（arousal）的1034个单词组成，是由Bradley和Lang制作的。构建这个单词列表出于学术（而非研究）目的。其他变体有DANEW（荷兰语ANEW）和SPANEW（西班牙语ANEW）。

AFINN由2477个单词组成（早期有1468个单词）。这个单词列表是由Finn Arup ...