Skip to content

Latest commit

 

History

History
45 lines (25 loc) · 2.08 KB

3.3.篇章分析-情感分析.md

File metadata and controls

45 lines (25 loc) · 2.08 KB

篇章分析-情感分类

用户评论剧增

服务评论 商品评论 社交评论

情感分析应用

消费决策 舆情分析

情感分类 和 观点挖掘

  • 对(文本的)观点、情感、情绪和评论进行分析计算

![情感分类和观点挖掘/img/NLP/3.3.篇章分析-情感分类/情感分类和观点挖掘.jpg)

情感分类

  • 给定一个文本判断其情感的极性,包括积极、中性、消极。
  • LSTM 对文本进行语义表示,进而基于语义表示进行情感分类。

![情感分类/img/NLP/3.3.篇章分析-情感分类/情感分类.jpg)

观点挖掘

  • 观点聚类:主要目标是对大量的评论数据进行聚类,将相同的观点抽取出来,并形成一个情感搭配词典(算法是:搭配抽取、词法分析、聚类归一,从而获得一个情感搭配。我们就可以进行观点抽取)
  • 观点抽取:就是对输入的文本进行计算,将其中的情感标签抽取出来,这里的标签,都是来自于情感搭配词典的,也就是观点聚类获得的词典。
    • 观点抽取一种简单的做法是直接通过标签匹配的方式得到,比如:服务不错这个情感搭配,恰好在文本中出现,我们就可以把它抽取出来。
    • 但是这种简单的抽取方法,其实上只能从字面上抽取情感搭配,而无法解决字面不一致的,但是意思一样的情感搭配抽取,因此我们还引入了语义相似度的方法。这种方法主要是通过神经网络进行计算的。它能解决这种字面不一致,语义一样的抽取问题。

![观点挖掘/img/NLP/3.3.篇章分析-情感分类/观点挖掘.jpg)

观点摘要

综合了情感分类和观点挖掘的一些技术,而获得的一个整体的应用技术

![观点摘要/img/NLP/3.3.篇章分析-情感分类/观点摘要.jpg)

百度应用:评论观点

![百度应用评论观点/img/NLP/3.3.篇章分析-情感分类/百度应用评论观点.jpg)

百度应用:推荐理由

![百度应用推荐理由/img/NLP/3.3.篇章分析-情感分类/百度应用推荐理由.jpg)