怎样让男友在感情中不那么敏感？

作为男友，如果你觉得女友在感情中太敏感，让你觉得很累，那么这篇文档可能会对你有所帮助。首先，我们需要意识到女友的情绪变化可能是由于她的激素水平、个人经历和性格特点等多种因素共同作用的结果。因此，男友需要学习如何处理女友的情绪变化，以及如何减轻自己的压力。以下是一些可能有用的建议：

1 尊重女友的情绪变化，给予理解和支持。当女友情绪变化时，不要试图否定或批评她的感受，也不要让她觉得你并不理解她的处境。相反，你应该以开放、理解和支持的态度去面对她的情绪变化，让她感到你真正关心她。

2 鼓励女友表达自己的感受。当女友因为你的行为或者其他事情感到不满或者疑惑时，不要试图让她立即停止情绪表达，而是应该耐心倾听她的想法和感受。同时，你也应该表达自己的想法和观点，以便更好地理解彼此。

3 避免过度质问和不信任。在感情中，信任是非常重要的，不要让女友怀疑你的忠诚度。如果你真的喜欢她，那么就应该给她足够的信任和支持，而不是过度质问和不信任。

4 鼓励女友建立自信，提升自身价值感。女友的自信程度和自身价值感可能会影响她在感情中的表现。因此，你应该鼓励她建立自信，提升自身价值感。这可以通过赞美、支持、挑战和正确的引导来实现。

5 建立良好的沟通方式。在感情中，沟通是非常重要的。你应该学会与女友建立良好的沟通方式，以便更好地理解彼此的想法和感受。同时，你也应该学会有效地表达自己的想法和观点，以便让女友更容易理解你。

6 增强自身的抗压能力。感情中的压力和不确定性可能会让你感到焦虑和不安。因此，你应该增强自身的抗压能力，以便更好地应对感情中的挑战和压力。这可以通过锻炼身体、调整心态、合理安排工作和休息等方式来实现。

总之，感情是需要双方共同经营和维护的，如果你觉得女友在感情中太敏感，让你觉得很累，那么你需要学习如何处理这种情况。通过尊重和支持女友、建立良好的沟通方式、增强自身的抗压能力等方式来实现更好的感情关系。同时，你也应该与女友一起探讨如何在这段感情中获得更多的快乐和满足感。

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。

而平时 女人的心思日常vlog情感文案 的玫瑰 女人的心思日常vlog情感文案 ，零食 女人的心思日常vlog情感文案 ，更是细微处见精神总之若想追这样的女生，平时一定要多多培养读懂女生心思的能力对女生身边的室友同学，别忘了多多贿赂 她们会告诉你好多有用的信息的而你自己的打扮则千万要多多琢磨，不要整天土里土气的；如下1记得在这杂乱的生活里，每天带点笑意2慢品人间烟火色，闲观万事岁月长3把不忙不闲的工作做得出色，把不咸不淡的生活过得精彩4生活有望穿秋水的等待，也会有意想不到的惊喜5请你努力奔跑；一婚女人朋友圈发文案，可能只是想舒缓一下情绪，得到别人的一些安慰谈及一段人生的感悟， 女人的心思日常vlog情感文案 我们常有人说唯青春与爱情不可辜负感情中有些往事可以随风而逝，有些也会永远烙印在心中那些辜负与被辜负的记忆，就像曾经走过；12 小心眼，嫉妒心，仇恨，报复，女人的伎俩不过如此，你要施展没关系，关系的是你别被人发现13 如果女人懂得理财，懂得独立，人生就是你的女人无法在厨房中要求独立，学会理财才是追求独立自主的基础14 “女子”；一情感类文案又被称为ldquo软文本rdquo软文本是相对于软海报而言，由产业的商品规划者或海报子公司的协理撰写者编写的ldquo文档海报rdquo与软海报相对，软文本之所以被称作软文本，其因素取决于ldquo硬。

抖音短视频爱情语录情感标题Vlog等文案 1 遇见都是天意，拥有都是幸运2 等我什么时候靠谱了，再去爱你3 陪伴就是不管你需不需要我都在4 也许，心动都不是恋爱，心定才是5 有趣的单身，胜过两个；给自己一颗甜甜的糖果，为简单的生活加油鸭每天都是一个新的开始，给自己一个微笑，开心鸭遵从自己内心的想法，不要沉溺在过去，活成自己的模样，简约精致清新的空气，温暖的阳光，美美哒的你，可爱鸭晨曦出现起床了。

您好摘要你们可以写些抖音作品女性情感文案壁纸，你们负责写文案 提问您好回答世上最浪漫和最自私的话就是你是我一个人的2没关系的，你就在我的宇宙绽放灿烂的光芒吧3你是最好的，如果真有人；如果一个女人能够真正抓住男人的胃，你能够让一个男人吃到比较正宗的家乡菜，你也愿意为他努力提升自己的厨艺，那么男人往往很容易因此被你深深地打动如果一个女人明明知道自己厨艺不精，却总是借口工作繁忙，从来不肯花心；因为大家都已经变得成熟，他们被生活折磨得死去活来，早已没了心思也没有能力去做梦，也不敢去想象那梦境中的ldquo美好rdquo，因为现实会让他们更加失望第二，直击内心的文案情感文案如果做不到直击内心，那它是很难；女生总是发一些比较伤感的文字，那么代表它的情绪比较低落，性格比较优越，比较内向，遇到的一些事情一些麻烦，他无法摆脱。

经典情感文案多一些 你好，很高兴为你解答，你想要伤感一点的，还是偏爱情一点的 女人的心思日常vlog情感文案 ？ 经典文案 嗯嗯，好的您稍等 37你明知道自己不会和这个人在一起，还是会去享受这份恋爱的心情然后到了合适的时候，离开，去和不爱但是很合适的人；1我能有什么坏心思呢只不过是想不劳而获富得流油罢了2我能有什么坏心思呢只不过希望你每天能开开心心，不要不回我消息3我能有什么坏心思呢我哪里不好你告诉我，我马上把你删掉4我能有什么坏；关于情感的文案短句一有三个方法可以解决所有的问题接受，改变，离开不能接受那就改变，不能改变，那就离开二曾经念念不忘的人，后来只是一个名字，曾以为过不去的事，日后不过只是故事三时间久了才慢慢；2020最新情感的文案句子 情感的文案怎么写 十五 人生有很多事，需要忍人生有很多欲，需要忍人生有很多情，需要忍人生有很多苦，需要忍人生有许多痛，需要忍人生有很多话，需要忍人生有很多气，需要忍忍，有时。

情感咨询平台很多，但网络上的情感咨询都有待验证真假，选择情感咨询机构一定要慎重，可以参考以下几方面：

首先查询该机构的机构代码，企查查、信用中国、中国企业网等权威等级高的网站查询该机构的信用代码，但凡正规企业，都会拥有自己的企业代码，如查询不到，则该机构存在一定风险。

其次通过该机构所释放的官方信息，查询该机构的情感导师是否具备一定的情感修复能力，最直接的则是查询该机构向你推荐的情感导师是否有获得过国家认证的职称，如婚姻与家庭治疗师、心理咨询师等证书。虽然不一定情感咨询导师都有此类证书，但是拥有这类证书的导师相比之下更靠谱一点。

再次看收费标准，正规咨询机构一般价格不会太低，除非是视频、文档类的课程或者一次性咨询；因为正规机构运营成本高，且提供的服务会更全面，所以价格不会太低。如果你在网上有看到宣称几百上千元能帮助你修复情感的，我不能绝对地说是骗子，但是它很可能只是全公司只有一个或两个人的私人工作室，这种工作室一般不太稳定，且专业度也参差不齐。

豚海心理咨询，情感咨询师大部分都是国家二级心理咨询师，咨询实践超千小时，主擅领域包括婚恋情感、人际交往、两性心理、人生规划、家庭关系等，还是比较靠谱的。

我是看到广告到店后可以领取免费心理测评，怀着试试看的心态去体验一下，没想到老师和蔼可亲、也非常专业，首先了解了我个人情况，还签了保密协定，这个非常赞，确实效果不错，老师引导我去探寻内心真实的想法去认清自己，然后给予意见和建议

在数学教学过程中,要充分发挥数学教学中的情感因素,让学生真正体验到数学课堂上探究新知是一种快乐的精神享受。我们要充分认识和发挥情感因素在中学数学教学中的作用,挖掘情感因素对学生的影响,培养学生求真务实的科学态度和乐于进取的学习热情,使学生的身心得到和谐健康的发展。

1充分利用教材中的情感因素 数学教材是数学家智慧和心血的结晶，是基础数学教育的经典。其中有许多人文化、情感化 (数学发展史、数学与人类、数学与生活及数学与社会等)的内容。教师要对教材 进行情感分析、发掘，积极地挖掘和充分利用数学学科自身的情感因素，科学准确、潜移默化地渗透到数学教学的活动中去，引发学生积极的情感体验，激发学生学习数学的兴趣， 促进数学教学。例如，注意挖掘和利用教材中的德育因素， 对学生进行政治思想和科学素质教育，培养学生的爱国、爱科学的情感；结合等差数列、等比数列及三角函数等相关知识的教学，介绍数学对工农业生产的重要意义，培养学生的社会责任感等。因此教师要认真钻研教材，挖掘教材和教学

数学教学过程中，教师更注重的是数学知识和技能的传授， 而忽视了对学生情感因素的调动。在教学中，学生在学习数 学时，对其概念、理论、方法等，并不是无动于衷，而是常常抱有各种不同的态度，会有各种复杂的内心体验。如果顺利完成学习任务，会感到满意、愉快和欢乐；学习失败时， 则会感到痛苦、恐惧和憎恨；遇到新奇的问题、结论和方法时，会产生惊讶和欣慰。虽然这种情感不直接参与数学的认知活动，但对数学学习起着推动、增加、坚持、调节等作用。 因此，调动学生的情感因素，不仅能提高课堂的学习效率而对其能力和素质的培养也是有益的。数学在它发展的过程中与人类的文化发展进程、人类情感的文明进步等因素密不可

分。所以，在数学教学中渗透情感因素有着比其他学科更为 广阔的天地。

内容中的情感信息，适时、准确的揭示它们的情感价值，促 进学生热爱数学学习，形成良好的学习情感的基础。 2 教师要提高情感素养，保持持久稳定的情感表现

数学教学中的情感因素 数学学习过程是认知与情感的统一，它们在学习过程中同时发生、交互作用，从不同的角度对学生的发展施以重大影响。没有认知因素的参与，数学学习活动不可能完成

;同样，如果没有情感因素的参与，数学学习活动既不能发生也不能维持。而传统的数学教学往往忽视教学过程中的情感的积极作用。 情感是人对于客观事物的态度的体验，是人对客观事物与人的需要之间关系的复杂心理活动的一种反映。情感因素

教师自身要充满激情，应该具有博大的胸怀、顽强的意志。在教学过程中体现出接纳、理解、宽容的表情、愉悦的心情、真挚的爱心等。教师具有了良好的情感素养，才能更好地把教材内含的情感通过自己的加工而展示出来，才能饱含激情地进行数学教学，将自身所具有的积极的情感因素传递给学生，言传身教，耳濡目染，对学生起到良好的示范作用，使学生受到感染，产生学习的兴趣和动力。 调动学生的情感因素挖掘数学学习的原动力_文档下载http://docdocsoucom/b036cbab226c3d2939bf7ffd2html 3 营造良好的教学气氛

始终伴随着认知过程。教学活动是认知过程与情感过程相互 交织、相辅相成的一个过程。著名教育家布卢姆曾明确指出：

良好的教学气氛，不仅能使学生增强记忆力，而且能活 跃思维，充分发挥认知潜力，收到事半功倍的效果。在具体

在教学活动的开始阶段有作为情感进入特征的情感因素存在， 在教学活动的结束阶段又有作为情感结果的情感因素存在， 也即在整个教学过程中都有情感因素伴随认知因素而出现。 教育者 (主要是教师 )要努力去激发学生内心的积极强烈的对于数学的兴趣、爱好、好奇心、求知欲等情感因素，从而

的教学活动过程中，通过情感的作用而诱发学生积极的情感， 有助于提高学习效率。所以，教师的一个重要任务是创造和 促进宽松的、热烈的、兴奋和谐的、全员参与的有效学习的课堂气氛。这样学生在学习过程中，不仅接受教师对他的感染，也可以使同学问相互感染。在数学理论教学和实验教学时，教师要注意欣赏学生，充分肯定他们的优点，重视课堂情感交流，以良好的情绪感染学生，创造良好的课堂气氛， 从而调动学生的积极性，获得最佳的教学效果。教师在教学中要采用灵活多样的现代化的科学技术手段进行教学，并随时注意学生情感的变化，抓住有利时机激发学生积极的情感， 时性。

使学生对数学的学习逐渐由被动转为主动。数学学习中的情感是在认知数学事物时，对学习行为起制约作用的一种内心体验。常常表现为对数学事物或者数学学习

活动的好恶倾向和心理感受，带有冲动性，有较明显的外部表现，强度较大的情感通常成为情绪。因此，在数学教学活动中，教师要充

分重视情感因素，发挥情感因素的积极作用，可以优化数学使学生产生持久、良好的学习动机，避免学生学习数学的一教学过程，促进学生综合素质的全面发展。

数学教学中情感因素的培养 近年来素质教育在全国范围内的全面推进，非智力因素的教育理论在学校教育中的广泛传播，对数学教学中情感因 素的重视和运用创造了越来越有利的条件。要积极有效地进行情感教育，使之与数学教学结合起来，并进一步促进数学

数学教学中情感因素的发挥有利于学生知识的掌握，能力的培养以及世界观的形成，数学教师只要在数学教学的各个环节中充分恰当的运用情感因素，教学一定会取得事半功

倍的效果；学生才能真正养成良好的数学科学素质、良好的心理素质和思想品德素质，用真才实学报效祖国和人民。

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。