词频分析软件情感分析无法识别

是。词频分析，就是对某一或某些给定的词语在某文件中出现的次数进行统计分析。只是简单地进行词频统计及情感分析，是无法识别的。情感分析无论采用模型训练还是情感词典，都无法保证100%的准确率，在70～80%的准确率，但通过”人工调整”可大大提高情感分析的准确率。

以下以语义特征为例：

机器学习基于语义特征的情感分析

基于语义特征的情感分析先人已有研究，可以通过情感词典匹配来做，但是应用机器学习在这方面会使精确度更高些。 

以本人参与的一个项目为主，总结下相关技术点。 

背景是：分析用户评论感情色彩是积极还是消极，即是褒还是贬。

具体步骤为： 

1有监督的人工给文本标注类标签。如有5000条评论数据，我们给其中的1000条标为积极的，再选1000条标为消极的，积极和消极就是所谓的类标签。 

2选择特征。从积极的评论数据中按词来选择积极的所有特征。同理，从消极的评论数据中按词来选择消极的所有特征。如“这款游戏非常好玩”->”这款”->“游戏”->”非常”->”好玩”，分为四个特征词，也可以采用双词搭配，“这个游戏”和“非常好玩”作为特征。 

3特征降维，减少特征的数量。如上“这个游戏非常好玩”中的“这个游戏”没有必要作为特征，因为“好玩”或“非常好玩”已经决定了评论是积极的。 

4将语料文本变成使用特征表示。 

5统计所有特征出现的次数，并按倒序排序。 

6从以上结果中选出排序最靠前的一些特征作为最终的评判特征。 

7使用训练数据根据特征训练分类算法，得到分类器。 

8用测试数据检测分类器的准确度。 

我们将数据分为两部分：开发集、测试集。用开发集的数据训练分类算法得到分类器；再用分类器对测试集里的数据进行分类，给出分类预测得到的标签；对比分类标签和人工标注得到的标签的差异，计算出准确度。

<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

人们登录“人形软件”，AI通过自主学习，1:1复刻用户的外表、兴趣和生活方式，成为用户在网络世界的虚拟代理人。这位“AI替身”能够与另一名用户的“人形软件”在虚拟世界中聊天、喝咖啡、逛街……在确定二者的匹配度后，高匹配度的两人将在真实世界正式见面。

这下可好，各位单身男女们省了不少事儿，一键登录，AI就可以帮用户自动选择约会对象，并完成基本的聊天，从而使在线相亲匹配简单化，人民公园相亲角的那些大爷大妈总算可以休息了，

而且，这可不是小说作者一厢情愿的幻想，近日，伦敦帝国理工学院研究人员对约会的未来状况作出了预测——到2025年，基因匹配和人工智能的结合，可以预测单身男女之间的吸引力和相容性，从而进行匹配。

爱情，这一人类永恒的主题，随着科技的发展，似乎发生了一些微妙的变化。

科学相亲时代，劝你不要太期待

近几年，网络婚恋交友行业发展迅速。根据艾瑞监测报告显示，2018q2中国网络婚恋交友服务PC端覆盖人数依次为938万人、1018万人和886万人，而在移动端，用户日均有效使用时长持续增长，Q2各月分别为6720万分钟、6847万分钟和7058万分钟，环比增长依次为－02%、19%和31%，网络婚恋移动端用户粘性持续提高。

但是，在这过去的几年里，在线婚恋行业也出现了不少问题，比如网恋骗局、用户交友疲劳、信息滥用等，面对这些难题，AI配对应运而生。通过大数据，深度学习，AI能够不断挖掘人们的相亲需求，进而使得相亲流程更加高效化和清晰化，在配对后期，AI还能对这段关系进行更长期的关注，提供测试、咨询等功能，这都是人工难以顾及到的。

目前，市面上的有AI元素的“红娘“也不少见，包括我们熟知的探探、网易花田，以及世纪佳缘、百合婚恋等网站，智能相对论（ID:aixdlun）在梳理了这些产品的底层AI逻辑后，发现所谓的智能配对，还是存在着一些缺陷，这主要体现在两个方面。

一方面，“AI红娘”基于社交信息为爱情定性。如今，各种各样的社交网络平台涌现了巨量而丰富的情感信息，AI能够挖掘网络上的文本信息，通过深度学习对网络文本进行细粒度的情感分析，进而达到即时获取人在网络世界的情感特征，美国的AI约会平台ViolaAI便是如此。

但AI如何能审查得了感情上的“真心实意”抑或“虚情假意”呢？在具体的操作中，交往过的男／女友，社交上的“摇一摇”匹配附近好友，说不定就成为了给当事人的爱情定性的重要指标。同时，人们的恋爱动机也会被AI看穿，而在恋爱自由的时代，你可能还会因为“不以结婚为目的的谈恋爱”受到算法的“歧视”。更敏感的是，食色性也。人性在男女关系上不一定经得起检验，检验工具却已就绪，我们做好它进入我们日常生活的准备了吗？