情感文写作步骤

一、前言

情感文想要写到读者心里，一定要有共鸣性，做到以情动人。

二、写情感文的关键步骤

第一步：分析整理素材

1整理的素材库有两个优点：

第一个是高效性；

第二个优点是开放性。

2事件（现象）——情绪和感受（喜怒忧思悲恐惊）——想法表达（感受输出）

第二步：确定文章主题，对照情感文常见主题词

情感文常见主题词

人生哲学：控制情绪、养成好习惯、掌握分寸、为人真诚、懂得感恩、积德成善、因果相对、人生格局（务实、自律、尊重）、好的涵养、处事谦卑、经济独立的重要性

生活心态：知足常乐、通透豁达、活在当下、充满自信、学会放下、善待自己、管好自己

成年人生活不易：列举生活不易的例子，引发读者共情

情感指南：把握与家人的分寸感、情感付出是相互的、要有共情能力、相互迁就包容、学会承担责任、不要执迷不悟

为人处世：学会拒绝（拒绝道德绑架、把握分寸、做人要有底线、合理发泄愤怒）、学会看破不说破、做好情绪管理、情商高低、学会倾听

第三步：确定分论点，理清写作意图、思考逻辑关系

确定分论点，最重要的一步是确定写作意图是什么，

也就是你想通过这个事件（现象）写一篇解决型情感文、解释型情感文，还是列举型情感文？

如果是解决型情感文，落脚点就在于“怎么做”；

如果是解释型情感文，落脚点在于“为什么”和“是什么”；

那如果是列举型情感文，落脚点在于“有什么”。

第四步：填充故事案例

第一步：抛出主题

第二步：举例论证

第三步：观点表达

第五步：结尾升华

泪点式结尾的四种方法：

方法一：对症下药，感悟+总结

方法二：认知提升，方法+主题升华

方法三：敲响警钟，直击要害+警醒

方法四：对号入座，金句+感受认同

第六步：起标题

采用两段式的方法来取标题，

前半句写现象/提出假设，后半句写观点/给出结论；

前半句重打开，后半句重转发。

可以使用snownlp包，也可以用nltk 和 scikit-learn 结合，或者自己写算法实现。

简单话就是情感词典的匹配，想提高效果的需要考虑特征之间的搭配，语法顺序等，可以查询搜索相关的入门例子和算法详细了解。

现在是一个互联网的时代，各种复杂的算法实现各种智能的功能，神经网络BP算法，模糊控制，大数据算法等等，然而，机器学习，如何进行情感分析呢，这就要从控制谈起了，首先机器内部需要有各种样本，相当于一个学习库当机器通过传感器识别或者神经网络算法对当前的对象进行识别，然后与学习库进行相应的匹配，就可以做到情感类的分析，深度神经网络可以很好的分辨出反讽语气的句子。

情感策划书范文

　 篇一：情感类节目策划方案

　《》是一档具有观赏性、知识性、教育性、娱乐性的情感类谈话互动节目。聚焦都市家庭生活和都市人心理疾患，以讲述他们真实的情感故事为主线，通过展示嘉宾曲折坎坷的人生经历和各种情感困惑，使观众产生认同，引发共鸣，从而满足人们对于情感的需要。同时加入心理、社会等学科的深入分析和讨论，为越来越迷茫的都市人提供情感释放站，为越来越辛苦的都市人开设心灵休憩点，为越来越孤独的都市人找到交友新渠道，为越来越个性的都市人展开人生新舞台。

　一、节目运作的客观条件分析

　是一座具有悠久历史、灿烂文化的历史名城，近年来的经济发展更是犹如一匹急速奔驰的烈马迅猛向前。2006 年市财政收入突破了200 亿元，可以说今天人的日子是越过越好，城市也越建越美。但同时我们也应看到随着社会竞争的日益加剧，人们的生活方式发生了很大变化，都市人口流动加快，相反人际间的情感交流却相对减少。经济发展和人们精神枯竭、真情失落之间的矛盾日趋突显，精神上的情感诉求已在不同程度上影响着人类生活的各个方面，也成为一种在现代社会中颇具特质的文化现象。然而很多人在遭遇情感问题和难题时，不知该向谁倾诉，不知从何着手，作为都市经济生活频道，有责任搭建一个这样可以让观众们倾诉、倾听的心灵平台，倾听他们的故事，解开他们的心结，凸显媒体责任，强化人文关怀，触达更广泛的都市人群内心，为加快文明城市、和谐城市的建设做出贡献。

　二、收视分析

　首先应该说目前的电视节目很难做，尤其是地方台的电视节目更难做，但我们不能退缩，退缩只能越退越远，最终一败涂地，再也难以找寻自己的位置。《》栏目是一档情感类谈话互动栏目，栏目播出时间拟定在周一至周五的晚上10 点至11点，重播时间为隔日的下午1点至2点。在直播的这个时间段和我们同质的节目有省台的，省台精品博览频道的们竞争的是同一类别的观众，即以妇女为主的中青年社会精英类收视人群，俗话说两军相遇勇者胜，面对省台的强势竞争，我们要打破惯常的编导独立作战模式，以小组为单位进行节目创作，建立健全信息咨询共享平台和法律顾问团，随时准备为弱势一方提供法律援助，为节目的跟进和炒作奠定基础。同时加全栏目的统筹、包装、策划，以己之长击敌之短，力争在短时间内把栏目的影响做出来，把频道的品牌树起来，力争做到栏目在三到四个月内在观众中形成影响力，半年以后成为电视台的名牌栏目。栏目还要做到立足，放眼全省、

　全国的电视市场，力争做到节目能走出、走出、走向全国。

　三、市场分析

　《》栏目是一档以直播为主线可以和观众互动的节目形式，目前在我们能看到的电视节目中还不多见，它的节目素材大部分取之于普通市民的情感生活，有些典型的事件经过我们的精心打造，还具有一定的轰动效应，因此更容易引起市民的共鸣，成为他们茶余饭后、街头巷尾谈天说地的话题，能成百姓话题的节目，一定会有很好广阔的市场前景，这在我们前期做市场调查时得到了印证，广告商和观众们的接受度普遍偏好，特别是和一些兄弟台交流后，更增强了我们做好这档节目的信心。（有些兄弟台表示，节目做好后，可以贴广告在他们台播出）

　四、受众分析

　1 核心观众

　《》的核心观众是以年龄不等的未婚或已婚女性为主的收视人群，她们是节目的重要观众，应对《》这样的节目会更感兴趣。因为他们向往纯真浪漫的感情经历以及美满和谐的婚姻生活。她们喜欢倾听各类情感故事，愿意分享自己或别人感情生活中的欢声笑语，更乐于为那些遇到情感问题的人士出谋划策， 从而成为栏目的固定观众。

　针对这些受众可以在节目中增加互动环节，通过的形式，让电视机前的观众更直接的参与到节目中来，增加节目的真实性。也可以利用电信增值服务，以观众发短信的方式在屏幕下方滚屏出现，有利于寻求赞助商，为节目创收。条件允许的情况下也可以借助网络平台。

　2 普通观众

　对于普通观众来说，《》也是他们乐于观看的。它不仅有着很强的观赏性和悬念性，既能抓住他们的目光，也可以洗涤他们的心灵，而且《》能让他们从一个侧面了解现代社会的情感状态，从视听上丰富自己的情感经历，为自己将来的情感生活做一个警示。我们可以开通短信、网络、等互动平台，让观众可以适时畅通的发表他们的观点。

　五、栏目规划

　1栏目名称

　（1）暂定名称：

　栏目口号：今夜有约，我的心因你而动

　（2）备选名称  私人空间

　栏目口号：空间有限，情感无限

　2栏目定位

　是一档具有观赏性、知识性、娱乐性和对抗性的大型情感类谈话互动节目。栏目每期挑选的素材一定要具有悬念、刺激性、可视性、可操作性；节目线索由一条主线和多条副线组成，制造对立观点。采取直播的形式，同时跟进直播的还有电台、网络。

　3栏目风格

　融抒情，浪漫，育人为一体。

　4现场参与人员

　（1）主持人：

　设1-2名观察细腻、经验丰富的主持人。主持人应当有一定的心理学方面的知识积累，善于沟通。拟由著名主持人主持。

　（2）叙述人：

　每期节目在叙述故事的过程中要加入至少不少于3—4个故事情景再现的小片，如果叙述人有要求我们可对事件进行追踪拍摄。

　（3）观察员：

　栏目每期邀请若干位嘉宾到达现场进行点评。

　（4）心理专家：

　设1-2名心理专家。心理专家对嘉宾的一些情感问题进行现场疏导、劝说。心理专家的犀利点评也是节目的亮点，应具有说服性、教育性。

　六、栏目工作人员、机器设备配置规则

　1栏目工作人员拟分为三个小组进行运作。（两个编导组、一个包装组）

　两个编导组为10人（每组5人），包装组4人

　三个组的组长拟有担任。

　2机器设备配置如下：

　摄像机4台（可以偷拍的一台），

　后期编辑线2条

　可以直播的演播间1间

　线路4条

　电脑2台（一台备用）

　 篇二：大学班级情感交流会活动策划书

　 一活动目的： 针对心理辅导员反映同学们在亲情、友情、爱情方面存在一些误区、茫然问题，为了更好地协调好同学们学习与生活齐发展。减少一些不必要的心理压力。同时，也可以更好地加深同学们的友谊。

　 二活动时间： 2012/9/19

　 三活动地点： 东华理工本部图书馆西湖亭子

　 四活动策划人： 团支书：温陆慧 组织委员：唐曼雨

　 五活动对象： 英语三班全体成员

　 六活动流程：

　1、先通过班委同意及准备好策划书，然后由团支书进行一个个宿舍进行调查大家的想法，大多数人通过了才实施。

　2、由班长和组织委员带领大家来到活动地点，组织委员讲开场白 。

　4、在愉快、轻松的氛围中结束此次班会，由组织委员作总结。

　 七活动效果:

　同学们通过此次班会更了解班上同学的想法，为以后更好地相处奠定了一定的基础。在情感问题上也有了更高层次的认知。相信这能更好地指导他们的实践。轻松愉悦的畅言也减轻了他们一定的压力，使同学们能更好地学习。（新生老生交流会策划书）

　 篇三：情感策划公司

　一、什么是情感策划公司？

　情感策划公司是专门为想要挽回的人群服务的，他们提供的服务主要是为想要挽回的人提供私人订制的挽回策划方案，并与此同时提升客户的情商，提升客户对于情感事情的处理能力，包括情感危机的处理、情感问题的解决等等。情感策划公司不仅仅是教会客户一些挽回的技巧，更重要的是教会客户获得长期幸福的能力，让每一个客户都能长久地幸福下去，这个也是情感策划公司的宗旨。

　二、为什么会出现情感策划公司？

　情感策划公司的出现是因为现在人们的情感生活是普遍有或多或少的问题的，情感问题也越来越成为被人们所重视的问题，为了解决这些问题，情感策划公司就应运而生了。有一些情感问题其实并不是很严重，但是由于感情双方的处理问题的方式不对，从而使得感情问题化小为大了，负面情绪也不断扩大，最终就断送了一份珍贵的感情。而在你幡然醒悟的时候，你才发现自己已经没有方法去挽回对方了，你能想要的每一个方法都行不通，对方依然要离开。情感策划公司就是专门为这些想要挽回的人服务的。

　三、情感策划具体是怎样的？

　在了解了客户的具体情况之后，情感策划公司会为客户安排专业的导师对其进行一对一的指导。导师会根据客户的情况来制定不同的情感策划，其中不仅包括对客户的外形改造，帮客户改掉他们的坏毛病，树立更好的性格，而且还会指导他们对于情感问题的处理，当客户出现特殊情况的时候，如何处理突发情况。导师会在客户改造完成之后，帮他们进行具体情感策划，其中包括约会策划，展示策划，交流策划。为了保证策划的成果，导师会把所有可能发生的情况都罗列出来，然后告知客户遇到各种情况该如何处理。

　因为每一个挽回的机会都是十分珍贵的，所以情感策划公司的专业情感策划就显得尤为重要了，它可以让你的每一次挽回机会都达到最大的效果，减少你挽回的时间，让你可以更加快速地找回自己的幸福。情感策划哪家强？破镜重圆最专业！

;

与其他的人工智能技术相比，情感分析(Sentiment Analysis)显得有些特殊，因为其他的领域都是根据客观的数据来进行分析和预测，但情感分析则带有强烈的个人主观因素。情感分析的目标是从文本中分析出人们对于实体及其属性所表达的情感倾向以及观点，这项技术最早的研究始于2003年Nasukawa和Yi两位学者的关于商品评论的论文。

随着推特等社交媒体以及电商平台的发展而产生大量带有观点的内容，给情感分析提供了所需的数据基础。时至今日，情感识别已经在多个领域被广泛的应用。例如在商品零售领域，用户的评价对于零售商和生产商都是非常重要的反馈信息，通过对海量用户的评价进行情感分析，可以量化用户对产品及其竞品的褒贬程度，从而了解用户对于产品的诉求以及自己产品与竞品的对比优劣。在社会舆情领域，通过分析大众对于社会热点事件的点评可以有效的掌握舆论的走向。在企业舆情方面，利用情感分析可以快速了解社会对企业的评价，为企业的战略规划提供决策依据，提升企业在市场中的竞争力。在金融交易领域，分析交易者对于股票及其他金融衍生品的态度，为行情交易提供辅助依据。

目前，绝大多数的人工智能开放平台都具备情感分析的能力，如图所示是玻森中文语义开放平台的情感分析功能演示，可以看出除了通用领域的情感分析外，还有汽车、厨具、餐饮、新闻和微博几个特定领域的分析。

那么到底什么是情感分析呢？从自然语言处理技术的角度来看，情感分析的任务是从评论的文本中提取出评论的实体，以及评论者对该实体所表达的情感倾向，自然语言所有的核心技术问题，例如：词汇语义，指代消解，此役小气，信息抽取，语义分析等都会在情感分析中用到。因此，情感分析被认为是一个自然语言处理的子任务，我们可以将人们对于某个实体目标的情感统一用一个五元组的格式来表示：(e,a,s,h,t)

以图为例，e是指某餐厅，a为该餐厅的性价比属性，s是对该餐厅的性价比表示了褒义的评价，h为发表评论者本人，t是19年7月27日。所以这条评论的情感分析可以表示为五元组（某餐厅，性价比，正向褒义，评论者，19年7月27日）。

情感分析根据处理文本颗粒度的不同，大致可以分为三个级别的任务，分别是篇章级、句子级和属性级。我们分别来看一下。

1 篇章级情感分析

篇章级情感分析的目标是判断整篇文档表达的是褒义还是贬义的情感，例如一篇书评，或者对某一个热点时事新闻发表的评论，只要待分析的文本超过了一句话的范畴，即可视为是篇章级的情感分析。

对于篇章级的情感分析而言有一个前提假设，那就是全篇章所表达的观点仅针对一个单独的实体e，且只包含一个观点持有者h的观点。这种做法将整个文档视为一个整体，不对篇章中包含的具体实体和实体属性进行研究，使得篇章级的情感分析在实际应用中比较局限，无法对一段文本中的多个实体进行单独分析，对于文本中多个观点持有者的观点也无法辨别。

例如评价的文本是：“我觉得这款手机很棒。”评价者表达的是对手机整体的褒义评价，但如果是：“我觉得这款手机拍照功能很不错，但信号不是很好”这样的句子，在同一个评论中出现了褒义词又出现了贬义词，篇章级的分析是无法分辨出来的，只能将其作为一个整体进行分析。

不过好在有很多的场景是不需要区分观点评价的实体和观点持有者，例如在商品评论的情感分析中，可以默认评论的对象是被评论的商品，评论的观点持有者也是评论者本人。当然，这个也需要看被评论的商品具体是什么东西，如果是亲子旅游这样的旅游服务，那么评论中就很有可能包含一个以上的观点持有者。

在实际工作中，篇章级的情感分析无法满足我们对于评价更细致，如果需要对评论进行更精确，更细致的分析，我们需要拆分篇章中的每一句话，这就是句子级的情感分析研究的问题。

2 句子级情感分析

与篇章级的情感分析类似，句子级的情感分析任务是判断一个句子表达的是褒义还是贬义的情感，虽然颗粒度到了句子层级，但是句子级分析与篇章级存在同样的前提假设是，那就是一个句子只表达了一个观点和一种情感，并且只有一个观点持有人。如果一个句子中包含了两种以上的评价或多个观点持有人的观点，句子级的分析是无法分辨的。好在现实生活中，绝大多数的句子都只表达了一种情感。

既然句子级的情感分析在局限性上与篇章级是一样的，那么进行句子级的情感分析意义何在呢？关于这个问题，需要先解释一下语言学上主观句与客观句的分别。在我们日常用语当中，根据语句中是否带有说话人的主观情感可以将句子分为主观句和客观句，例如：“我喜欢这款新手机。”就是一个主观句，表达了说话人内心的情感或观点，而：“这个APP昨天更新了新功能。”则是一个客观句，陈述的是一个客观事实性信息，并不包含说话人内心的主观情感。通过分辨一个句子是否是主观句，可以帮助我们过滤掉一部分不含情感的句子，让数据处理更有效率。

但是在实操过程中，我们会发现这样的分类方法似乎并不是特别准确，因为一个主观句也可能没有表达任何的情感信息，知识表达了期望或者猜测，例如：“我觉得他现在已经在回家的路上了。”这句话是一个主观句，表达了说话人的猜测，但是并没有表达出任何的情感。而客观句也有可能包含情感信息，表明说话者并不希望这个事实发生，例如：“昨天刚买的新车就被人刮花了。”这句话是一个客观句，但结合常识我们会发现，这句话中其实是包含了说话人的负面情感。

所以，仅仅对句子进行主客观的分类还不足以达到对数据进行过滤的要求，我们需要的是对句子是否含有情感信息进行分类，如果一个句子直接表达或隐含了情感信息，则认为这个句子是含有情感观点的，对于不含情感观点的句子则可以进行过滤。目前对于句子是否含有情感信息的分类技术大多都是采用有监督的学习算法，这种方法需要大量的人工标注数据，基于句子特征来对句子进行分类。

总之，我们可以将句子级的情感分析分成两步，第一步是判断待分析的句子是否含有观点信息，第二步则是针对这些含有观点信息的句子进行情感分析，发现其中情感的倾向性，判断是褒义还是贬义。关于分析情感倾向性的方法与篇章级类似，依然是可以采用监督学习或根据情感词词典的方法来处理，我们会在后续的小节详细讲解。

句子级的情感分析相较于篇章级而言，颗粒度更加细分，但同样只能判断整体的情感，忽略了对于被评价实体的属性。同时它也无法判断比较型的情感观点，例如：“A产品的用户体验比B产品好多了。”对于这样一句话中表达了多个情感的句子，我们不能将其简单的归类为褒义或贬义的情感，而是需要更进一步的细化颗粒度，对评价实体的属性进行抽取，并将属性与相关实体之间进行关联，这就是属性级情感分析。

3 属性级情感分析

上文介绍的篇章级和句子级的情感分析，都无法确切的知道评价者喜欢和不喜欢的具体是什么东西，同时也无法区分对某一个被评价实体的A属性持褒义倾向，对B属性却持贬义倾向的情况。但在实际的语言表达中，一个句子中可能包含了多个不同情感倾向的观点，例如：“我喜欢这家餐厅的装修风格，但菜的味道却很一般。”类似于这样的句子，很难通过篇章级和句子级的情感分析了解到对象的属性层面。

为了在句子级分析的基础上更加细化，我们需要从文本中发现或抽取评价的对象主体信息，并根据文本的上下文判断评价者针对每一个属性所表达的是褒义还是贬义的情感，这种就称之为属性级的情感分析。属性级的情感分析关注的是被评价实体及其属性，包括评价者以及评价时间，目标是挖掘与发现评论在实体及其属性上的观点信息，使之能够生成有关目标实体及其属性完整的五元组观点摘要。具体到技术层面来看，属性级的情感分析可以分为以下6个步骤：

关于文本中的实体抽取和指代消解问题，我们已经在知识图谱的相关章节中做了介绍，这里就不再赘述。针对篇章级、句子级、属性级这三种类型的情感分析任务，人们做了大量的研究并提出了很多分类的方法，这些方法大致可以分为基于词典和基于机器学习两种，下面我们进行详细的讲解。

做情感分析离不开情感词，情感词是承载情感信息最基本的单元，除了基本的词之外，一些包含了情感含义的短语和成语我们也将其统称为情感词。基于情感词典的情感分析方法，主要是基于一个包含了已标注的情感词和短语的词典，在这个词典中包括了情感词的情感倾向以及情感强度，一般将褒义的情感标注为正数，贬义的情感标注为负数。

具体的步骤如图所示，首先将待分析的文本先进行分词，并对分词后的结果做去除停用词和无用词等文本数据的预处理。然后将分词的结果与情感词典中的词进行匹配，并根据词典标注的情感分对文本进行加法计算，最终的计算结果如果为正则是褒义情感，如果为负则是贬义情感，如果为0或情感倾向不明显的得分则为中性情感或无情感。

情感词典是整个分析流程的核心，情感词标注数据的好坏直接决定了情感分类的结果，在这方面可以直接采用已有的开源情感词典，例如BosonNLP基于微博、新闻、论坛等数据来源构建的情感词典，知网（Hownet）情感词典，台湾大学简体中文情感极性词典（NTSUSD），snownlp框架的词典等，同时还可以使用哈工大整理的同义词词林拓展词典作为辅助，通过这个词典可以找到情感词的同义词，拓展情感词典的范围。

当然，我们也可以根据业务的需要来自己训练情感词典，目前主流的情感词词典有三种构建方法：人工方法、基于字典的方法和基于语料库的方法。对于情感词的情感赋值，最简单的方法是将所有的褒义情感词赋值为+1，贬义的情感词赋值为-1，最后进行相加得出情感分析的结果。

但是这种赋值方式显然不符合实际的需求，在实际的语言表达中，存在着非常多的表达方式可以改变情感的强度，最典型的就是程度副词。程度副词分为两种，一种是可以加强情感词原本的情感，这种称之为情感加强词，例如“很好”相较于“好”的情感程度会更强烈，“非常好”又比“很好”更强。另外一种是情感减弱词，例如“没那么好”虽然也是褒义倾向，但情感强度相较于“好”会弱很多。如果出现了增强词，则需要在原来的赋值基础上增加情感得分，如果出现了减弱词则需要减少相应的情感得分。

另一种需要注意的情况是否定词，否定词的出现一般会改变情感词原本的情感倾向，变为相反的情感，例如“不好”就是在“好”前面加上了否定词“不”，使之变成了贬义词。早期的研究会将否定词搭配的情感词直接取相反数，即如果“好”的情感倾向是+1，那么“不好”的情感倾向就是-1。但是这种简单粗暴的规则无法对应上真实的表达情感，例如“太好”是一个比“好”褒义倾向更强的词，如果“好”的值为+1，那么“太好”可以赋值为+3，加上否定词的“不太好”变成-3则显然有点过于贬义了，将其赋值为-1或者-05可能更合适。

基于这种情况，我们可以对否定词也添加上程度的赋值而不是简单的取相反数，对于表达强烈否定的词例如“不那么”赋值为±4，当遇到与褒义词的组合时褒义词则取负数，与贬义词的组合则取正数，例如贬义词“难听”的赋值是-3，加上否定词变成“不那么难听”的情感得分就会是（-3+4=1）。

第三种需要注意的情况是条件词，如果一个条件词出现在句子中，则这个句子很可能不适合用来做情感分析，例如“如果我明天可以去旅行，那么我一定会非常开心。”，在这句话中有明显的褒义情感词，但是因为存在条件词“如果”，使得这个句子的并没有表达观点持有者的真实情感，而是一种假设。

除了条件句之外，还有一种语言表达也是需要在数据预处理阶段进行排除的，那就是疑问句。例如“这个餐厅真的有你说的那么好吗？”，虽然句子中出现了很强烈的褒义情感词“那么好”，但依然不能将它分类为褒义句。疑问句通常会有固定的结尾词，例如“……吗？”或者“……么？”，但是也有的疑问句会省略掉结尾词，直接使用标点符号“？”，例如“你今天是不是不开心？”，这个句子中含有否定词和褒义词组成的“不开心”，但不能将其分类为贬义情感。

最后一种需要注意的情况是转折词，典型词是“但是”，出现在转折词之前的情感倾向通常与转折词之后的情感倾向相反，例如：“我上次在这家酒店的住宿体验非常好，但是这次却让我很失望。”在这个转折句中，转折词之前的“非常好”是一个很强的褒义词，但真实的情感表达却是转折词之后的“很失望”，最终应该将其分类为贬义情感。当然，也存在出现了转折词，但语句本身的情感并没有发生改变的情况，例如“你这次考试比上次有了很大的进步，但是我觉得你可以做得更好”，这里的转折词没有转折含义，而是一种递进含义。在实际操作中，我们所以需要先判断转折句真实的情感表达到底是哪个，才能进行正确的分析计算。

构建情感词典是一件比较耗费人工的事情，除了上述需要注意的问题外，还存在精准度不高，新词和网络用语难以快速收录进词典等问题。同时基于词典的分析方法也存在很多的局限性，例如一个句子可能出现了情感词，但并没有表达情感。或者一个句子不含任何情感词，但却蕴含了说话人的情感。以及部分情感词的含义会随着上下文语境的变化而变化的问题，例如“精明”这个词可以作为褒义词夸奖他人，也可以作为贬义词批评他人。

尽管目前存在诸多问题，但基于字典的情感分析方法也有着不可取代的优势，那就是这种分析方法通用性较强，大多数情况下无需特别的领域数据标注就可以分析文本所表达的情感，对于通用领域的情感分析可以将其作为首选的方案。

我们在机器学习算法的章节介绍过很多分类算法，例如逻辑回归、朴素贝叶斯、KNN等，这些算法都可以用于情感识别。具体的做法与机器学习一样需要分为两个步骤，第一步是根据训练数据构建算法模型，第二步是将测试数据输入到算法模型中输出对应的结果，接下来做具体的讲解。

首先，我们需要准备一些训练用的文本数据，并人工给这些数据做好情感分类的标注，通常的做法下，如果是褒义和贬义的两分类，则褒义标注为1，贬义标注为0，如果是褒义、贬义和中性三分类，则褒义标注为1，中性标注为0，贬义标注为-1

在这一环节中如果用纯人工方法来进行标注，可能会因为个人主观因素对标注的结果造成一定影响，为了避免人的因素带来的影响，也为了提高标注的效率，有一些其他取巧的方法来对数据进行自动标注。比如在电商领域中，商品的评论除了文本数据之外通常还会带有一个5星的等级评分，我们可以根据用户的5星评分作为标注依据，如果是1-2星则标注为贬义，如果是3星标注为中性，4-5星标注为褒义。又比如在社区领域中，很多社区会对帖子有赞和踩的功能，这一数据也可以作为情感标注的参考依据。

第二步是将标注好情感倾向的文本进行分词，并进行数据的预处理，前文已经对分词有了很多的介绍，这里就不再过多的赘述。第三步是从分词的结果中标注出具备情感特征的词，这里特别说一下，如果是对情感进行分类，可以参考情感词典进行标注，也可以采用TF-IDF算法自动抽取出文档的特征词进行标注。如果分析的是某个特定领域的，还需要标注出特定领域的词，例如做商品评价的情感分析，需要标注出商品名称，品类名称，属性名称等。第四步根据分词统计词频构建词袋模型，形成特征词矩阵，如表所示。在这一步可以根据业务需要给每个特征词赋予权重，并通过词频乘以权重得到特征词分数。最后一步就是根据分类算法，将特征词矩阵作为输入数据，得到最终的分类模型。

当训练好分类模型之后，就可以对测试集进行分类了，具体的流程与建模流程类似，先对测试的文本数据进行分词并做数据预处理，然后根据特征词矩阵抽取测试文本的特征词构建词袋矩阵，并将词袋矩阵的词频数据作为输入数据代入之前训练好的模型进行分类，得到分类的结果。

采用基于机器学习的方法进行情感分析有以下几个不足之处，第一是每一个应用领域之间的语言描述差异导致了训练得到的分类模型不能应用与其他的领域，需要单独构建。第二是最终的分类效果取决于训练文本的选择以及正确的情感标注，而人对于情感的理解带有主观性，如果标注出现偏差就会对最终的结果产生影响。

除了基于词典和基于机器学习的方法，也有一些学者将两者结合起来使用，弥补两种方法的缺点，比单独采用一种方法的分类效果要更好，另外，也有学者尝试使用基于LSTM等深度学习的方法对情感进行分析，相信在未来，情感分析会应用在更多的产品中，帮助我们更好的理解用户需求，提升用户使用智能产品的体验。

随着深度神经网络等算法的应用，情感分析的研究方向已经有了非常大的进展，但依然存在着一些难题是目前尚未解决的，在实操过程中需特别注意以下几种类型数据：

情绪轮在用户体验设计上被广泛的应用，很多情感化设计都是基于情绪轮进行的。但是在人工智能领域，将情绪进行多分类比情感分析的三分类任务要难得多，目前大多数分类方法的结果准确性都不到50%。这是因为情绪本身包含了太多的类别，而且不同的类别之间又可能具有相似性，一个情绪词在不同的语境下有可能表达的是不同的情绪类别，算法很难对其进行分类。即使是人工对文本进行情绪类别标注也往往效果不佳，因为情绪是非常主观性的，不同的人对不同的文本可能产生不同的理解，这使得人工标注情绪类比的过程异常困难。如何让机器可以理解真实的情绪目前还是一个未能攻克的难题。