求文档: 情感教育有哪些主要方法，其心理学依据是什么

情感是决定一个人发展的重要因素之一，在现行教育实践中，人们普遍重视智力开发而容易忽视对情感的教育，尤其在幼儿教育阶段。本文以幼儿园美术教育为载体，首先从幼儿美术教育目标的不足和幼儿心理的一般不良表现来说明实施情感教育的之重要和必要。其次，从幼儿的心理发展规律、美术是幼儿表现情感的重要裁体等方面进行客观分析，证明在美术教育中实施情感教育是可行的。最后，本文从如何培养幼儿的美术兴趣，理解幼儿的美术作品及其创作心理，帮助幼儿疏导和控制情绪情感，正确评价幼儿的创作等四个方面描述了现实美术教育中渗入情感教育的一些基本途径与手段。

我国著名教育家蔡元培先生所说的：“人人都有感情，而并非都有伟大而高尚的行为，这是由于感情推动力的薄弱，而要转弱而为强，转薄而为厚，有待于陶养。陶养的工具，为美的对象；陶养的作用，叫做美育。” 可见情感教育对人之高尚行为形成的重要性。在幼儿园教育阶段，情感教育的目标是在尊重幼儿自然情趣的基础上，建立以快乐、兴趣为主色调的积极情绪状态、健康情感品质和初步情感能力。美术教育作为美育的教育工具，培养人的高尚道德情操应是其固有的教育功能，但是如何充分应用美术教育这一载体，对生活充满情绪色彩、对一切美好事物具有强烈的情绪感受能力的幼儿 实施有效的情感教育，促进其健康道德情感的形成，是我们当前最值得思考的问题。

一、幼儿美术教学活动中实施情感教育的重要性和必要性

情感态度是人格要素的核心因素，幼儿的发展，不仅是认知的发展，也是情感的发展，但是，人的情感成长往往容易被忽视。早在20世纪60年代中期日本哲学家就批评日本的教育因为缺乏情感教育层面而成为“忘掉了另一半教育”、“ 牺牲了另一半教育”。长期以来，我国的教育也是如此，尤其是处于培养人格要素的基础时期——幼儿园教育阶段，普遍忽略其情感的成长。在美术教育体系中，幼儿园的美术教育目标一直定位于培养幼儿的美术兴趣，初步掌握使用美术的工具及材料的技能，表现对周围生活的认识和感受，发展幼儿的观察力、想象力、创造力等等，教育重心倾向于传授知识、形成技能、发展智力。随着时代的发展，这些传统美术教学的不足之处逐渐显现，主要表现为幼儿不善于很好地感受自然、社会、生活，不能很好积累情感经验，丰富自已的情感和能力。后来尽管对美术教育目标进行了修正，把美育的目标定为：“萌发幼儿初步的感受美和表现美的情趣”。但由于这是一个较为笼统的美育任务，具体到美术教育领域尚不明确，因此幼儿教师在现实教学实践工作中，往往仍沿袭着一些旧体制的教学方法，只注重传授一些美术活动知识和技能技巧，强调幼儿对美术的理解和反应。

步入21世纪的中国幼儿教育，应该是通过各种教学途径来实现幼儿认识、情感、能力、个性诸方面和谐发展的教育。我国目前幼儿园的孩子一般都是独生子女，家长往往比较宠爱甚至溺爱自已的孩子，容易造成不听话、不合群、自私、自信心差等不良表现，如不加以引导和培养，容易造成不健康的心理，不利于健康道德情感的形成。近年来大量研究显示：幼儿时期是各种感受器官完善阶段，是接受情绪刺激最敏感阶段，是健康情绪和基础情感形成的关键期，也是情感教育的最佳期。因此如何系统的、有目的地培养好幼儿的积极情绪状态、健康的情感品质和初步的情感能力显得犹为重要与必要。美术是儿童表现情感的重要手段，在幼儿园教育实践中，应充分运用美术教育这一载体，鼓励和培养幼儿的积极情绪和情感，疏导和控制消极情绪和情感，利用美术作品所表现的多元性及个性的特点，让幼儿在体验成功的创作喜悦，树立起充分的自信心，促进其宽容大度、尊重他人、豁达乐观等道德情感的形成，这对幼儿健康人格的发展、对未来的生活和社会和谐发展都具有积极的影响。

二、美术教学活动中实施情感教育的可行性

1、好奇心是实施美术情感教育的基点。情绪和情感的态度决定着人们对某种情境或对象是接近还是回避，是喜欢还是厌恶，从而影响人们对认识目标的选择，进而影响其对目标认识的广度和深度。美术活动也是如此，很多美术家之所以能够成功，就是因为他们对美术保持着长久不衰的兴趣。因此，幼儿在美术教育活动中，可以有目的引导儿童用形、线、色去描绘周围事物，吸引他更多的注意力，激起他们的兴趣，从而不断丰富其情绪和情感。

2、美术活动是实施幼儿情感教育的重要载体。美术作为一种视觉艺术，实质上内在情感的外部表现，是用形、线、色构成的情感生活意象。美术对于幼儿，其作用不在于其艺术性、思想性如何地深刻，也不在于美术技艺表现如何娴熟，是纯属于情感发展的需要。处于涂鸦阶段和图式阶段的幼儿美术绘画活动，因为已经具有明显的“以自我为中心”的特征，能够按照个人的主观经验来反映对象，表达自已的思想观点和情感体验，并将这些思想观点和情感体验通过自已的创作传达给他人。所以在美术教育实践中，幼儿美术教师可以按照美的标准和美的规律，引导幼儿充分发挥幼儿的想象力，将自已的亲身体验和情感通过色彩、线条等表现出来，使幼儿的内心情感和外在形式达到同构，同时由美术泛化到生活其他领域，丰富和发展幼儿的情感世界。

三、实施情感教育的基本教学手段

情感教育不同于认知教育，它不是以传授知识、形成技能、发展智力为主要目的，它的教育过程也不同于一般的教学过程，它更多地依赖于人本身的情感及经验，强调感受、感知、体验、理解和反应，其中最核心的机制是让幼儿感受和体验。

1、培养幼儿对美术的兴趣和爱好，尊重幼儿的意愿。人们常说“孩子凭兴趣做事”、“幼儿是情绪的俘虏”。我们在绘画教学时可以观察到，幼儿对绘画有兴趣时，注意力很集中，绘画很投入；不想画时，怎么叫他画都不画，因此这种带有原始感情性质的兴趣和好奇，是一种内驱动性的情绪，是幼儿早期认识发生的动力源泉。例如，幼儿小王画了一辆很多轮子的轿车，当老师纠正他侧面轿车只画两个轮子就可以时，他却不接受，反而振振有词地认为“轮子多才跑得快”。其实小王把自己的情感容入了画中，表达了他想让汽车跑得快一些，当老师了解了他的创作意图后，应先对他加以肯定，避免打击他的积极性，然后通过一些实物观察活动，让他了解事物的基本特征，这样既尊重了孩子，又能从孩子的意图出发加以正确的引导，使幼儿从小对生活、对周围环境抱有浓厚兴趣，能热心地参加各项活动，形成活泼开朗的性格。

2、理解幼儿的美术作品及其创作心理。一是注意从幼儿绘画作品中捕捉他的 情绪状态和情感类型。由于受到绘画技能的限制，幼儿把形象画得歪歪扭扭，怪诞而丑陋，而这些怪诞的形象却是幼儿当时头脑中的情感意象。如情绪体验给幼儿留下最深刻的记忆时，笑——是眯成一条线的眼睛，上弯的嘴角；哭——是大颗大颗的泪珠；吃——是最高兴的，表现出来的是张大的嘴巴。又如画“我的爸爸妈妈”作品中大部分孩子在纸的中间画上了一个大大的人，并认作是妈妈，旁边的小人一个是爸爸，一个是自己，可见在幼儿绘画创作时，把心目中的妈妈、爸爸和孩子间不同轻重情感关系表现的淋漓尽致。二是要理解儿童绘画的创作心理。幼儿用绘画的形式直觉表现来抒发情感，有时是心情愉快，抒发情感；有时是心情消极，发泄情绪。如画“过生日”时，很多学生的画面上除了生日蛋糕外就是一张张大嘴巴，看不到一个人，但我们站在幼儿的心理角度分析时，就可以充分理解孩子过生日吃大蛋糕是一种莫大的快乐。又如一名幼儿想帮老师拿东西，却拿不动，他就在自己的美术作品中，画了一个有四只手的小男孩，一只手拿书，两只手搬桌子，表达了自己希望帮老师拿东西却力不从心的心情。虽然孩子的画不能与成人的艺术作品相提并论，然而他们却能在形象、色彩以及绘画空间的表现方面突现出强烈的主观色彩，使画面更具抽象性、直觉性。因此，我们只有充分捕捉儿童的心理、情绪时，在美术教学活动时就可有目的的、针对性地培养和丰富幼儿的情感世界，促进其健康心理的成长。

3、帮助幼儿疏导和控制情绪情感。人们常说：“画画能宣泄情感，使儿童心理得到平衡。”大量观察发现，大部分儿童常通过画画来抒发自己的感情，如一名小女孩很喜欢吃蛋糕，可是每次吃下一小块后就吃不下了，于是她在“生日”为题的作品中画上了一个蛋糕和有着一张奇大无比的嘴的小姑娘，表达自己对蛋糕的喜爱和想多吃一些的愿望。也有一些孩子用绘画来发泄情绪，如孩子小赵在游戏中被别的小朋友欺负了，他在美术活动时画了一幅人物图，画完之后却用笔画上粗粗的黑色线条将那画面上的人涂掉了，这是他在宣泄自己压抑的情感。因此在儿童的美术活动中，教师要借助一些美术游戏或意愿活动，引导和帮助孩子在充分表现自己的思想的同时，诱导幼儿体验乐意与人交往的乐趣，体验美好事物给自已带来的喜悦，体验集体活动的愉快等等，如鼓励小女孩过生日时邀请其他小朋友一起吃蛋糕分享快乐；鼓励小朋友在遇到困难时愿意主动找亲近的人商量解决等，从而逐步培养起幼儿健康的情感品质和初步的情感能力。

4、正确评价幼儿绘画的创作。评价是美术教学活动的一个重要环节，全面客观地评价是维护幼儿参加绘画活动的兴趣的重要保证。

（1）让幼儿感受美术绘画创作成功。每个人都希望能够通过活动来体现出自我的价值，通过成功的作品来获得别人的肯定和赞誉。在美术教学活动中，能够经常地让孩子感受成功的喜悦是非常重要的，它不仅可以培养起学习的兴趣，更能增强他学习的信心，良性循环可促进他完成更出色的作品。我们班的中中小朋友性格内向，胆子较小，画画非常拘谨，常常画出物体很小的画，有一次他正为自己一不小心画得太大的圆圈发愁时，老师及时地肯定了他画的圆，并大大表扬了他，还请其他小朋友参观，这事对中中影响很大，此后，他的画作有了明显的进步，物体画大了，色彩也丰富了，更重要的是中中喜欢画画了，而且每次作画都充满了自信。

（2）教师要准确地把握住不同年龄段儿童的美术表现的心理特征。幼儿自我体验发展是一个从低级到高级发展、从生理性体验向社会性体验发展的过程，幼儿常常是通过这些赞扬、鼓励来作为学习的动力。我们每周举办一次画展，但展出的并非一定是非常优秀的作品，只是对于孩子本人来说有进步的作品。作品的展出促进了孩子自信心和荣誉感的增强，从侧面鼓励了儿童参与美术活动的热情，而这一股热情能使他们产生耐力和毅力，尽管累，可心情却是愉快的，因此及时地肯定和赞誉是帮助孩子确立自信，体现自我价值的重要途径，使他们初步形成自尊、自信、自强的情感品质。

这个是在网上找到的，你可以参考一下~~~

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。

情感研究方法涵盖了多种定性和定量的方法和技术，以便对情感进行测量和理解。以下是一些常见的情感研究方法：

问卷调查：通过编制和分发问卷来收集关于情感体验的信息。问卷可以包括关于情感状态、情感感受、情感反应和情感体验的问题。

实验室观察：在实验室环境中，通过观察参与者的行为、面部表情、生理指标等来评估情感。这可以通过使用实验范式、观察记录和视频录制来实现。

自我报告：参与者通过书面或口头形式描述自己的情感体验。这可以通过采访、情感日记或情感日志的形式进行。

生理测量：使用生理指标来评估情感，如心率、皮肤电反应、脑电图等。这些生理指标可以提供客观的数据来评估情感的激活和变化。

面部表情分析：通过分析面部表情来研究情感。这可以通过使用面部表情识别软件、面部动作编码系统（Facial Action Coding System）或者眼动仪等技术来实现。

情感的表现可以包括以下方面：

面部表情：面部表情是情感的主要表现之一，如微笑、愤怒、悲伤、惊讶等。

语言和声音：情感可以通过语言的调调、语速、音量以及使用的词语和表达方式来表现。

体态和姿势：情感可以通过身体的姿势、姿态和动作来表现，如挺直身体、低头、颤抖等。

言语和行为：情感可以通过言语和行为来表现，如亲密的接触、抚摸、搂抱等。

生理反应：情感可以导致生理上的反应，如心率加快、呼吸加深、出汗等。

需要注意的是，情感的表现是多样且个体差异很大的。因此，使用多种方法和技术来综合评估情感是理解和研究情感的重要方面。

先说大数据时代舆情数量庞大，来源众多，网站信源也很多。舆情情感分析单纯依靠人工数据难以量化，工程量大，借助舆情分析平台是不错的选择。

西盈舆情分析系统可以实现以下功能：

1、可以做到对舆情信息的分类研判（包括舆情的热点、负面、地域等）、及时预警、科学的分析（时间节点分析、图表分析、报告分析等）以及辅助建立预警机制，提供科学的决策依据。企业购买舆情监测系统已经是常态了，很多舆情危机的出现都会读直接影响企业的形象、经济利益、产品的推广等等。

2、内置数据模型知识库（数据分析方法库），由若干成熟的模型（数据算法）（维稳、治安、环保、交通运输、医疗、教育、卫生等）的代码和技术文档构成，并能够进行模型的拼接，引入和相互无缝引用。

3、实时显示分析引擎领域、属性、项目、日志、入库和统计图表信息，异常情况系统发出警示。实时显示目前系统运行详细日志，包括任务运行时间、文本处理时间、入库情况、知识库匹配情况、引擎数据库状态等。

我也看过,也是在课堂上老师放给我们看的哦"以**本身为情感载体"应该就是导演通过拍摄关于**和主人公一生复杂的联系来表达他所要阐述的情感

<天堂**院>是一部典型的以**着个主线来发展故事的最后的几分钟你回看到老阿尔弗雷多在死后留给多多的遗物,是一连串以前放**时牧师让老阿尔弗雷多剪掉的亲热镜头,因为老阿尔弗雷多曾经答应过多多,要把剪下来的部分留给他,没有想到确是天人永别的时候这一串的镜头组接成的小**,寄托着老阿尔弗雷多的希望和对多多的信任,相信他回成功,同时,已经尔立之年的多多在这时候看到,更回百感交集,也许他的脑海里回浮现的是他从小到大这一路的成长片段,他的痛苦,他的喜悦,他的爱情,他的无奈等等,都会想到,一时都不知道是哭还是笑好

比如里面老阿尔弗雷多说过:"人生不是**,人生比**难多了"我看过对影片导演的介绍,上面就好似说导演拍这部**就是为了纪念儿时看**的回忆和对**的热爱

让看过这个**的人都深有感触

包括构建情感规则、表示语义标记和属性、构建情感相关性规则和使用独立的混合模型,自动识别文本中的情感,并将情感简化为高兴、不高兴和中立三种[2]。同年,Jon oberlander开始使用个人博客语