中文情感分析 的难点在哪

对自身状态的情感

1、安全感、孤独感与危机感：当自身价值处于他人的正向价值作用、无价值作用和负向价值作用时，人将分别产生一种安全感、孤独感和危机感。

2、责任感与依赖感：当他人的价值受制于自己的价值时，人将产生一种责任感；相反，当自己的价值受制于他人的价值时，人将产生一种依赖感。

3、归属感与失落感：当自己的价值依附于他人或社会的价值时，人将产生一种归属感；相反，当自己的价值从他人或社会的价值中分离出来时，人将产生一种失落感。其中，权力失落感是指当自己的价值从社会的政治价值中分离出来时人所产生的情感，失恋感是指当自己的价值从异性的价值中分离出来时人所产生的情感。

4、认同感：当自己的价值与他人的价值同属于一个更大的价值系统时，人对于他人将产生一种认同感。

5、荣誉感：当自己的价值隶属于一个更大的价值系统并得到它的承认和重视时，人将产生一种荣誉感。

6、无奈感和无聊感（或空虚感）：当自己的价值处于负值状态、零值状态而又无法改变时，人将分别产生一种无奈感和无聊感（或空虚感）。

7、羞涩感与尴尬感：当利益正相关、利益负相关的他人对于自己进行价值评价、价值选择和价值作用时，人将分别产生羞涩感和尴尬感。

这个问题，我觉得男生还是可以找个机会表白的。至少你跟女孩已经有交往了三个月。

但感觉男生不够主动，除了平时约见面，你没事就要经常打电话，发微信给女生要。女孩子就是要多打扰，没事就去约她，不要怕被拒绝，今天她说没空，明天就不能说没空了吧。就是要发扬痛打落水狗的精神，锲而不舍，穷追猛打。直达女孩投降为止。

分析和研究人的情感是一个复杂的过程，需要结合多个因素和方法。以下是一些常见的方法和技巧：

观察非语言表达：情感通常通过非语言表达来展示，包括面部表情、姿势、手势、眼神等。观察这些非语言信号可以提供关于一个人情感状态的线索。

倾听和观察语言表达：人们在语言中常常流露出情感，包括词语的选择、语调、语速等。倾听和观察一个人的语言表达可以帮助你了解他们的情感体验。

提问和探索：与他人进行深入的对话，提出开放性的问题，探索他们的情感体验和内心感受。通过主动与他人交流，你可以更好地了解他们的情感世界。

了解背景和经历：一个人的情感体验通常受到他们的背景和经历的影响。了解一个人的背景故事、家庭环境、教育背景等，可以提供更多的背景信息来理解他们的情感。

使用情感分析工具：一些科学研究和心理学领域的专业人士使用情感分析工具来研究和测量情感。这些工具可能包括问卷调查、心理测量仪器、脑部扫描等，通过客观的数据来分析和研究情感。

学习心理学和情感科学知识：深入学习心理学和情感科学领域的知识可以提供更多的理论框架和研究成果，帮助你理解情感的本质和影响因素。

需要注意的是，分析和研究他人的情感是一项复杂的任务，需要综合考虑多个因素，并且要尊重他人的隐私和个人边界。在进行情感分析时，保持尊重、开放和理解的态度非常重要。

<article>

课程地址: https://classcourseraorg/nlp/lecture/31

情感分析 （Sentiment analysis）又可以叫做

意见抽取 （Opinion extraction）

意见挖掘 （Opinion mining）

情感挖掘 （Sentiment mining）

主观分析 （Subjectivity analysis）等等。

引用的论文：

Bo Pang, Lillian Lee, and Shivakumar Vaithyanathan 2002 Thumbs up Sentiment Classification using Machine Learning Techniques EMNLP-2002, 79—86

Bo Pang and Lillian Lee 2004 A Sentimental Education: Sentiment Analysis Using Subjectivity Summarization Based on Minimum Cuts ACL, 271-278

另外需注意，Binarized (Boolean feature) Multinomial Naïve Bayes不同于Multivariate Bernoulli Naïve Bayes，MBNB在文本情感分析上的效果并不好。另外课中也提到可以用交叉验证的方式进行训练验证。

下面罗列了一些比较流行的词典：

当我们拿到一个词我们如何判断他在每个类别中出现的概率呢？以IMDB影评为例

但是！我们不能用单纯的原始计数（raw counts）方法来进行打分，如下图

可以看出，这些否定词同样可以作为单词极性的一个判断依据。

具体步骤为：

联合概率 / 独立的两个概率乘积

之后我们可以看一下统计结果，分别来自于用户好评和差评的统计：

可以看到极性划分的还不错

</article>

</main>

转自csdn