灵玖LJParser文本情感分析应用场景

大数据分析

　　灵玖LJParser文本情感分析应用场景

　　文本情感分析，又称意见挖掘(Opinion Mining)，是指对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程;属于计算语言学的范畴，涉及到人工智能、机器学习、数据挖掘、信息检索、自然语言处理等多个研究领域。

　　互联网用户生成的内容将朝着海量化、复杂化、多样化方向发展，传统的存储和计算模式将不足以支撑处理这些数据。可以利用云计算在大规模数据存储和计算、信息资源整合方面的优势，将其引入基于主题的文本情感分析技术。近年来，移动互联网受到越来越多地重视，而智能移动设备持有者都具备明确的用户标识，为基于地理位置的服务、商品推荐、搜索个性化、广告定向投放等提供了天然平台。但是，智能移动设备的输入输出能力相对较弱，移动用户行为与在传统互联网用户行为也存在较大差异，移动评论文本更短。如何通过挖掘移动互联网上的评论文本所蕴含的主题，更加准确地识别用户对相关主题的个性需求和大众化需求，从而促进精准网络营销，也是我们未来关注的研究和应用点之一。

　　灵玖LJParser文本情感分析由专注于大数据科学研究与工程应用融合领域的十多名博士硕士，倾力15年，持续创新而构建，是NLPIR系统里面重要的部分。

　　灵玖LJParser文本情感分析提供两种模式：全文的情感判别与指定对象的情感判别。情感分析主要采用了两种技术：1.情感词的自动识别与权重自动计算，利用共现关系，采用Bootstrapping的策略，反复迭代，生成新的情感词及权重;2.情感判别的深度神经网络：基于深度神经网络对情感词进行扩展计算，综合为最终的结果。NLPIR情感分析内容形式包括特定人物的正、负面分析，这样可以从整体看到特定人物对社会观点和事情的态度，从而来判断他的态度是积极的还是消极的 。同时通过喜、怒、哀、乐、惊、惧等几种情感维度分别展现他的性格取向，是稳重型还是冒进型;是积极乐观的还是消极愤世的;这样就可以综合的反应特定人物的情感状态。

　　近年来，文本情感分析技术在网络营销、企业舆情监控、政府舆论监控等扮演越来越重要的角色。鉴于主题模型在文本挖掘领域的优势，基于主题的文本情感分析技术也成为人们关注的热点，其主要任务是通过挖掘用户评论所蕴含的主题、以及对这些主题的情感偏好，来提高文本情感分析的性能。例如，对于数码产品网购评论，主题可能是“电池续航能力”、“主屏尺寸”、“售后服务”或者“性价比”。