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)