一、關(guān)于文本內(nèi)容的情感分析

一篇文章反映了什么態(tài)度?褒義還是貶義?肯定還是否定?喜怒哀樂愁，反映的是哪種情緒特征?對這些內(nèi)容的分析就是情感分析，或者叫情感傾向分析。情感傾向 可認為是主體對某一客體主觀存在的內(nèi)心喜惡，內(nèi)在評價的一種傾向。當然，有正常閱讀能力的人，在看了一篇文章后能夠判斷文章的情感和極性，但這是主觀體 驗，不是量化數(shù)據(jù)。在對文章進行分析的時候，通常需要進行量化的分析，顯得更加直觀、客觀。

情感分析基本上有兩種方法，一種是極性分析，一種是情感類別分析。前者分析文章的總體態(tài)度是肯定還是否定，后者分析文章反映了喜怒哀樂愁中的哪種情感。

仍然以政府工作報告為例，這次是新鮮出爐的2015年度政府工作報告。

下面是這份報告的情感極性分析結(jié)果：

下面是這份報告的情感類別分析結(jié)果：

可以看出，政府工作報告在情感極性上，以正面情感為主，其次是中立情感，在情感類別上，以好的情感為主，其次是樂的情感。不愧是政府工作報告。

二、如何進行文本內(nèi)容的情感分析

1、情感分析的2種方法

情感分析的方法主要分為兩類：一種是基于情感詞典的方法;一種是基于機器學習的方法。

基于情感詞典的方法，需要用到標注好的情感詞典。這類詞典，英文多，中文少。不過還好，中文的也能夠找到幾個，包括①臺灣大學研發(fā)的中文情感極性詞典 NTUSD;②大連理工大學的情感本體詞匯;③知網(wǎng)發(fā)布”情感分析用詞語集(beta版)”;④哈工大信息檢索研究室開源的《同義詞詞林》可以用于情感詞典的擴充。這幾個詞典各有特色，都是免費，這點贊一個。

基于機器學習的方法，需要的材料就比較麻煩些，需要的是大量的人工標注的語料作為訓練集，通過提取文本特征，構(gòu)建分類器來實現(xiàn)情感的分類。比如要進行情感 極性的判斷，就需要幾百上千個反映正面情感的文章，和幾百上千個關(guān)于負面情感的文章;要進行情感分類的判斷，那么每種情感都需要大量文章作為語料。實際上 非常難辦到。如果能獲得分級的語料，就比較好辦，比如像豆瓣網(wǎng)的電影評論，每個評論都有對應(yīng)的星級，總共五個星級，每個星級對應(yīng)的評論集合就構(gòu)成了這一等 級的語料。根據(jù)這些語料進行機器學習，就能對新的評論，自動進行分級。機器學習最簡單的方式是用樸素貝葉斯分類器進行分類。

2、情感分析的算法

由于情感詞典比語料更容易獲取，所以用情感詞典進行情感分析。算法就是思路，用情感詞典進行分析，主要采用以下步驟進行(以情感極性分析為例)：

• ①讀取情感詞典。獲得褒義詞列表、貶義詞列表、中性詞列表;獲得情感分類詞列表及其情感強度。
• ②處理要分析的文本。主要是讀取文本，按句子拆分，每個句子進行分詞。
• ③計算句子的情感得分。查找句子中每個詞語的情感分類，讀取其情感強度，用正面情感得分減去負面情感得分，得到句子的情感總分。同時分別計算正面情感的總 分和負面情感的總分，有中性情感的類似處理。需要注意的是，句子中有否定詞和程度副詞，會影響句子的情感走向和強度，比如”很不喜歡”，分解成”很 不 喜歡”，如果只計算喜歡就是錯誤的，因為前面有”不”，情感完全相反，還有個”很”說明程度很強烈。因此還需要判斷是否有否定詞，如果有要反轉(zhuǎn)情感傾向， 要檢查是否有程度副詞，如果有要進行加權(quán)處理。所以，這里還需要一個《否定詞庫》和《程度副詞庫》，這兩個詞庫哪里找呢?google吧。
• ④計算文章的情感得分。所有句子的情感得分之和，就是整篇文章的情感得分。

三、R中如何進行情感分析

①首先，需要加載以下的庫：

• library(stringr) #對字符進行操作
• library(rJava) #分詞需要調(diào)用java
• library(Rwordseg) #用于分詞
• library(ggplot2) #用于展示圖形結(jié)果

②其次，需要讀取詞庫，讀取詞庫中的每一類情感詞表，用list的格式存儲。

③然后，讀取要分析的文本，按句子間隔，每句為一行，建立list。

③分詞。如何分詞在前面的文章中有介紹。

④匹配詞表，計算每句話的情感得分，再計算整篇文章的總分和各類情感的總分。

⑤根據(jù)結(jié)果繪圖。

以上談了思路，具體代碼略過。因為代碼還需要優(yōu)化，不太適合展示出來。