Learning-Notes-on-Sentiment-Analysis
目前常见的情感极性分析方法主要是两种：基于情感词典的方法和基于机器学习的方法。
1.基于情感词典的方法
基于情感词典的情感极性分析影响准确度的一个重要原因就是同一个词在不同的语境下可能代表完全相反的情感意义(一词多义、反语等)。
同一个词可作多种词性，那么情感分数也不应相同，例如:1
2这部电影真垃圾
垃圾分类
显然在第一句中垃圾表现强烈的贬义，而在第二句中表示中性，单一评分对于这类问题的分类难免有失偏颇。
情感值计算公式:1
2final_senti_score = ((-1) ** num_of_notwords) * degree_value * senti_score
final_score = sum(final_senti_score)
num_of_notwords是否定词的个数，degree_value程度副词的数值，senti_score词的情感分值
2.基于机器学习的方法
基于机器学习的方法也存在同一个词在不同的语境下可能代表完全相反的情感意义(一词多义、反语等)的情况，但相比于基于词典的情感分析方法，基于机器学习的方法更为客观