NLP之TEA：自然語言處理之文本情感分析的簡介、算法、應用、實現流程、實現方法之詳細攻略

?

?

目錄

TEA的簡介

TEA的應用

TEA的實現流程

TEA的實現方法

T1、詞袋模型

TEA的案例應用

---

?

?

?

TEA的簡介

? ? ? 文本情感分析：又稱意見挖掘、傾向性分析等。簡單而言,是對帶有情感色彩的主觀性文本進行分析、處理、歸納和推理的過程。互聯網(如博客和論壇以及社會服務網絡如大眾點評)上產生了大量的用戶參與的、對于諸如人物、事件、產品等有價值的評論信息。這些評論信息表達了人們的各種情感色彩和情感傾向性,如喜、怒、哀、樂和批評、贊揚等。基于此,潛在的用戶就可以通過瀏覽這些主觀色彩的評論來了解大眾輿論對于某一事件或產品的看法。

?

TEA的應用

自然語言處理的一個關鍵問題：判斷一句評價/點評/影評的正/負傾向性。

1、如何判斷？
T1、類別輸出：輸出一段文本之后的正、負類別
T2、得分輸出：輸出一段文本之后的分數值(0~1分值)

2、應用

• 電子商務應用：用戶關于購物產品的質量體驗(淘寶、亞馬遜、Netflix、騰訊視頻)
• 市場呼聲應用：根據用戶反饋分析競爭對手的弱點，幫助企業制定新的營銷策略(Radiant6，Sysomos, Lexalytics)
• 政府選舉應用：分析對手黨派的弱點，進行針對性措施(美國總統選舉)
• 消費者呼聲應用：個性化用戶反饋分析
• 可視化分析應用：積極/消極詞匯可視化

?

TEA的實現流程

? ? ? ?有很多開源軟件使用機器學習、統計、自然語言處理的技術來計算大型文本集的情感分析, 這些大型文本集合包括網頁、網絡新聞、網上討論群、網絡評論、博客和社交媒介。

1、情感分析架構流程

?

TEA的實現方法

T1、詞袋模型

The Bag of Words Representation，是一種基于頻率統計的方法。

1、向量空間模型 Vector Space Model

(1)、分詞：比如，我非常喜歡《肖申克的救贖》一>我/非常/喜歡/肖申克的救贖
(2)、思路：忽略文章/評論中詞語的順序，每個詞對應空間中一個單位向量，文章/評論是詞語的加權總和。

2、詞袋模型的應用

• 情感分析
• 文章主題分類
• 垃圾郵件過濾
• 圖像分類

?

TEA的案例應用

1、基于樸素貝葉斯的情感分類器

?

文章推薦

NLP之TEA：基于SnowNLP實現自然語言處理之對輸入文本進行情感分析(分詞→詞性標注→情感分析→測試)

?

?

?

?

總結

以上是生活随笔為你收集整理的NLP之TEA：自然语言处理之文本情感分析的简介、算法、应用、实现流程方法、案例应用之详细攻略的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。