情感分类推荐使用什么算法和软件包

从最基本的开始吧： 基于词典的正负词词频， 我们实验室一个小组曾经在新浪微博上使用这个方法， 惊讶的发现这个如此不优美的方法的效果竟然那么的“可以看”。 在此之上一个改进的办法是对大量数据做一次二元的离散化（假定是正负情感）， 以此选定阈值， 离散化的方法有很多， 不再赘述。

　　接下来的方法主要分为两类：

　　基于特征（feature-based）：

　　这类方法比较好理解， 无非是人来选定特征空间， 然后对每一个数据项生成一个特征向量， 使用分类器对向量进行分类， 理论上所有的分类器都可以实现这个需求， 只是效果更不同。

　　方法之一是就是KNN， 但是和所有基于特征的方法一样， 特征的选取是一个永恒的话题，像KNN这种还需要维护巨大矩阵的方法尤其难以满足实用需求， 但是对于KNN的空间优化也有相应的办法， 就是对每个数据项指记录K项最近距离， 也就是K个<数据项ID， 距离>， 当有更近的数据项进来时， 替换最远的数据项， 此外， 我也同意@范文阁下的观点， 觉得KNN的效果不会好于SVM。

　　SVM： 经典分类器， 我决不敢自称完全理解SVM， 但使用方法大同， 也是将数据项生成特征向量（稍后会介绍另一种方法）， 但是特征的选取是一个永恒的话题， 因为一切特征对于描述一个数据项来说都是必要的（但是不一定重要）， 但是我们尽量选取合适的特征组来保证分类的准确率， 这一切， 这所做的一切都是对无法枚举出所有特征的现状的妥协。 SVM的开源包有很多， 楼主可以试试libsvm和svmlight。

　　基于核函数（KernelMethod-based）：

　　前面提到人为的选取特征的局限性， 并且隐含的线性不可分问题。 核函数是一个计算两个对象之间“相关度”（kernel）的函数。 有关核函数的定义和优化方法不一会儿能够谈清， 仅列出文献：

　　wiki：http://enwikipediaorg/wiki/Kernel_methods

　　Text Classification using String Kernels：http://dlacmorg/citationcfmid=944799&dl=ACM&coll=DL&CFID=96216241&CFTOKEN=33225628

　　Kernel Method for General Pattern Analysis:http://wwwkernel-methodsnet/tutorials/KMtalkpdf

　　（以下方法没有经过验证）

　　基于核函数的SVM， 应用方式（以情感分类为例）可以简单地做文本分类（当然可以预先做词性过滤）， 对于每一个需要做情感分类的文本之间算出kernel值， 用这个矩阵在svm中得到model， 然后对于测试数据， 或者预测数据在对训练数据中的每一项算kernel值， 拿这个矩阵用model去做测试（预测）。 这个过程的一个“快餐”的理解方式是： 将每一个数据与测试数据集中的每一项的相似度的向量当成之前feature-based的方法中的特征向量， 整个过程不过还是一个基于特征的训练-预测过程（当然， 这说法是不对的）。 libsvm中自带subsequence kernel 的实现使用参数-t来进行使用， 此外也支持自定义核函数。

　　之前谈过的KNN， 我觉得也可以引入kernel， 但是至于可行性和必要性嘛， 大家也就当讨论一下吧。 简单来说就是将KNN中的欧式距离替换成kernel值。

　　==============================

　　CRF应该没办法做情感分类吧， 毕竟不是分类器， 拿它做过实体识别， 感觉序列标注器不适合这个问题。

　　严重同意@范文阁下的说法， 在实用领域， 预处理和数据获取（语料）才是王道， 机器学习就和人学习一样， 教育方法再好， 教的东西不好一样是浮云。 拿我大二数据挖掘老师的话讲， 统计模型都是现成的， 拼得就是数据。

情感是人类生命中的重要组成部分，它涉及到我们的想法、行为和生理反应等方面。男女在情感上存在着一定的差异，这种差异可能在认知、表达和反应等方面有所体现。本文将从认知的角度探讨男女在情感方面的异同。

一、情感分类

情感是指一个人对事物和事件的各种经验和感觉，如快乐、愤怒、恐惧、难过等。情感可以基于其带给我们的感觉被划分为积极情感和消极情感。积极情感包括快乐、爱、同情、安心等，而消极情感则包括愤怒、焦虑、恐惧、难过等。

二、男女在情感认知上的异同

1认知方式不同

男女在情感认知上的第一个区别是他们的认知方式不同。据研究发现，女性在情感处理上更倾向于使用双边处理模式，这意味着她们更容易将两件看似相互矛盾的事情视为一体。而男性更倾向于单一模式的思考，即将事物按照线性和逻辑方式处理。这种差异可以解释为女性更擅长查找和处理感觉上的相似性，而男性在分析中更注重事物间的逻辑联系。

2情感表达的方式不同

男女在情感表达上的第二个区别是他们的表达方式不同。研究表明，女性更容易表露出她们的情感，她们在面对情感冲突时更愿意分享和表达自己的感受，这有助于她们寻求支持和情感安慰。相反，男性在面对情感问题时表达自己的情感会比较困难，他们可能倾向于沉默或者采取行动来处理情感问题。

3情感回忆不同

男女在情感回忆上的第三个区别是他们回忆情感体验时的方式不同。女性更善于回想细节和情感体验，因此她们更容易在情感记忆中保存细节，如事件的时间、地点和相关的感觉。而男性则更注重事件的大致轮廓，他们不太关注细节，而是强调事件的结论和结果。

4情感反应不同

男女在情感反应上的第四个区别是他们的反应方式不同。女性更注重情感的交流和处理，因此她们更倾向于选择与朋友或亲人分享自己的情感。相反，男性会倾向于独自面对自己的情感，以及通过行动来解决问题。

三、优点

男女在情感认知上存在着一定的差异。这种差异可能表现在认知方式、情感表达、情感回忆和情感反应等方面。掌握这些差异有助于我们更好地理解和处理男女之间的情感关系。

四、影响因素

男女在情感认知上的差异不仅仅源于生物学的差异，还可能受到社会文化和个人经历的影响。以下是具体的影响因素：

1文化背景：不同的文化对男女情感认知有不同的要求和期望。在一些文化中，男性被期望更加冷静和理智，而女性则被赋予了更多的情感表达的自由。

2性别角色：男女受到不同性别角色的要求和期望，这也可能影响他们在情感认知方面的表现。比如，在传统的性别角色分配中，男性被认为更应该强调逻辑思考和实用性，而女性则被认为更应该强调情感共鸣和关怀。

3教育经历：男女在教育经历上的不同也可能影响他们在情感认知方面的表现。研究表明，女性通常会接受比男性更多的情感教育，这可能会使她们更加注重情感交流和处理。

4生理差异：男女在大脑结构和激素水平上存在差异，这也可能影响他们在情感认知方面的表现。

五、对策建议

了解男女在情感认知上的差异，有助于我们更好地理解和处理男女之间的情感关系。以下是相关的对策建议：

1尊重差异：男女在情感认知上的差异并不代表其中一方更好或更正确，我们应该尊重彼此的差异，从而更好地合作、交流和处理问题。

2加强沟通：关注彼此的需求和感受，以共同协商方式解决问题。

3提高情商：通过情感训练和学习，提高自身的情感智商，从而更好地理解和管理自己的情感，以及与他人的情感关系。

4推广平等：营造一个平等、包容的社会环境，减少性别角色刻板印象的影响，为男女提供平等的机会和权利。

六、结语

总的来说，男女在情感认知方面存在着一定的差异。认识这种差异并不是要划分男女的优劣，而是要帮助我们更好地了解并尊重彼此的差异。只有在理解和尊重的基础上，才能更好地合作、交流和处理情感问题。

情感分类是与情绪情感有关问题的归类；情感分析是对情感情绪问题的见解与认识。

《计算机科学》 2010年07期

情感分析与认知 李维杰

摘要：分析了情感分析的3个主要步骤,包括文本情感获取与表达、文本情感分类与计算以及文本情感分析的应用。情感分析得到的结论主要是对相关观点的摘要、对相关事件态度的预测或者统计等,但这些结论都没有发挥文本情感在认知中的作用。为了将情感分析应用于认知科学,提出了情感由情感信号和情感实体组成的观点。情感信号主要是指情感的一些形式载体,比如心跳加速、脸红等这些人体内外的某些表现,表达情感的文字、、声音等这类媒体。情感实体主要是指人类对情感形成的一种共识,比如爱、恨、憎恶、高兴、羞愧、嫉妒、内疚、恐惧、焦虑等与人的意识相关联的部分。同时提出了在人工智能中利用情感信息的设想。这对于模拟情感对认知的影响具有一定的意义。

--------粘贴内容，其他未知，抱歉。