情感分析

一、情感分析的任务层级

情感分析（Sentiment Analysis）又称意见挖掘（Opinion Mining），旨在识别文本中蕴含的主观情绪与评价倾向。按分析粒度可分为：

此外还可按情感类别分为二元（褒/贬）、三元（褒/中/贬）与细粒度情绪（喜、怒、哀、惧、惊、恶）。典型应用：商品评论洞察、舆情监控、品牌口碑、金融舆情与智能客服的情绪安抚。

二、情感词典法

最直觉的方法：预先准备情感词典（褒义词表、贬义词表），统计文本中正负词的数量或强度，加权计分。中文常用词典有 知网 Hownet 情感词集、大连理工情感词汇本体、台湾大学 NTUSD。

但光数词远远不够，必须处理三个「反转器」：

1. 否定词翻转极性：「不好」= 负向；「不是不喜欢」= 双重否定回正向。规则：情感词前窗口内每出现一个否定词（不、没、无、别、未……），极性乘 −1。
2. 程度副词调整强度：「非常好」强于「好」，「有点差」弱于「差」。给程度词设权重（非常 1.5、有点 0.7）。
3. 转折以分句为准：「虽然便宜，但是质量很差」——「但是」之后才是说话人真正的态度，可对转折后分句加权。

python · 情感词典法核心逻辑NEGATIONS = {"不", "没", "无", "别", "未"}
DEGREE = {"非常": 1.5, "特别": 1.5, "有点": 0.7}

def score_clause(clause, pos_words, neg_words):
    score = 0
    for i, w in enumerate(jieba.lcut(clause)):
        polarity = 1 if w in pos_words else (-1 if w in neg_words else 0)
        if polarity == 0:
            continue
        window = clause[max(0, i - 3):i]
        if any(neg in window for neg in NEGATIONS):
            polarity *= -1                       # 否定翻转
        for d, weight in DEGREE.items():
            if d in window:
                polarity *= weight               # 程度加权
        score += polarity
    return score

词典法无需训练数据、可解释、冷启动快；缺点是依赖词典覆盖，对反语（「真是太棒了，又晚点三小时」）、隐喻、领域词义（「这手机很烫手」）无能为力。

三、机器学习法

当手头有一批标注好褒贬的评论时，可把情感分析转化为文本分类问题：

文本 → 分词 → 特征向量化 → 分类器 → 褒/贬
                ↑ TF-IDF / n-gram / 情感词计数
                              ↑ 朴素贝叶斯 / SVM / 逻辑回归

朴素贝叶斯（Naive Bayes）是经典基线：它统计「某词在褒/贬评论中出现的条件概率」，依据贝叶斯公式判断整句类别，训练快、对短文本效果好。

python · sklearn 情感分类基线import jieba
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.pipeline import Pipeline
from sklearn.model_selection import train_test_split

raw = [("手机流畅，拍照惊艳，非常满意", 1),
       ("续航很差，卡顿严重，后悔买了", 0),
       ("客服态度好，物流也快", 1),
       ("价格太贵，屏幕还有瑕疵", 0)]       # 实际需上万条

X = [" ".join(jieba.lcut(t)) for t, _ in raw]
y = [label for _, label in raw]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.25)

clf = Pipeline([
    ("tfidf", TfidfVectorizer(ngram_range=(1, 2))),
    ("nb", MultinomialNB())
])
clf.fit(X_train, y_train)
print(clf.score(X_test, y_test))
print(clf.predict([" ".join(jieba.lcut("画面精彩，值得推荐"))]))  # [1]

特征工程是传统方法的胜负手：TF-IDF unigram+bigram、情感词数量、否定词、标点（！！！）、表情符号都是有效特征。

四、深度学习法

• Word2Vec + TextCNN / BiLSTM：词向量输入，卷积或循环网络自动提取情感特征，省去手工特征；
• BERT 微调：句首加 <[BOS_never_used_51bce0c785ca2f68081bfa7d91973934]> 标记接一个分类层，用几千到几万条标注评论微调即可，是当前中文情感分类的强基线；
• 方面级 ABSA：序列标注 + 情感分类联合模型，输出「续航—正、拍照—负」这样的方面—情感对；
• 大模型零样本：直接用提示词「请判断这条评论的情感倾向：褒/贬/中，并说明理由」，在无标注冷启动场景表现亮眼。

text · BERT 风格提示词（零样本）请判断以下电商评论的情感倾向（正向 / 负向 / 中性），
并指出涉及的方面：
「屏幕很清晰，但是电池不耐用，续航让人失望。」

输出：屏幕=正向；电池/续航=负向；整体=负向

五、工程流程与评估

1. 数据准备：采集评论（第二章），清洗去广告，按评分弱标注或人工标注；
2. 标注规范：明确「中性」边界（客观描述 vs 弱褒贬）、反语处理原则；
3. 建模：词典法先行跑通，再上 TF-IDF+NB 基线，最后 BERT 精调；
4. 评估：准确率 Accuracy、精确率/召回率/F1（关注贬类别漏报）、混淆矩阵；
5. 上线迭代：收集 badcase 回流标注，定期重训；方面级结果接入 BI 看板。

六、交互演示：评论打分

下面的演示复刻了本章的情感词典法：分句 → 匹配正负情感词 → 检查前置否定词（极性翻转）与程度副词（强度加权）→ 汇总得分。可点击示例快速体验，也可自己改写句子验证规则：

思考两个反例：「我难道不喜欢吗？」（反问）与「快递快得离谱，手机烫得吓人」（领域歧义）——它们正是规则法失效、需要机器学习与语义理解的地方。