情感分析思想（基于各种词典）

之前在实习时，teamleader想利用情感分析实现“公司绩效考核”问题，即从Boss对员工的评语中判断该员工该月的绩效值，属情感分析领域。

当时使用最简单的基于情感词典的方法解决，借鉴了这篇文章，在此基础上对其进行修改，先讲思路描述如下。

1  词典准备

• 情感词典（BosonNLP情感词典）
• 停用词典
• 否定词典
• 程度副词词典

注：情感词典内包含词语以及对应的情感值；停用词典只包含停用词语；否定词典只包含否定词语；程度副词词典内包含词语及对应的程度值。

2  实施步骤

整体步骤如下：

1. 分词（jieba），去停用词；
2. 构建词语序列；
3. 对词语序列结果分类，找出情感词、否定词、程度副词；
4. 计算得分。

其中计算得分的具体步骤如下：

1. 找出所有情感词的下标，构建新词组；
2. 新词组构建方法：该情感词与前一情感词之间的否定词及程度副词 + 该情感词（第一个情感词前至句首）；
3. 计算：程度副词的程度值 × 情感词的情感值，每有一个否定词，使该式 × -1；
4. 句子累加。

缺点：

1. 没有考虑词义，特别对于“标题党”来讲，结果差距巨大。但这种情况都需要使用深度学习的方法才能有效解决，普通机器学习方法也是很难的。
2. 对于正负向文本的判断，该算法忽略了很多其他的否定词、程度副词和情感词搭配的情况；用于判断情感强弱也过于简单。