情感分析是从书面或口头语言中，对特定主题，理解观点的自动过程。在世界上，我们每天生成2.5QB字节的数据，情感分析已成为理解这些数据的关键工具。 这使得公司能够获得关键的见解，并自动化各种流程。

但是，它是如何实现的呢？有哪些不同的方法？ 它需要注意什么，限制是什么？ 你如何在业务中使用情感分析？接下来，您将找到这些问题的答案，以及您需要了解的，关于情感分析的所有内容。 无论你是经验丰富的数据科学家，开发人员，营销人员，产品分析师，还是刚刚开始进行文本分析，这份指南都适合你。

情感分析也称为意见挖掘（ Opinion Mining），是自然语言处理(NLP)的一个领域，它构建的系统，用于在文本中识别和提取观点。 通常，除了识别观点之外，这些系统还提取描述的特征，例如：

目前，情感分析是一个很有兴趣的话题，因为它有许多实际应用。 由于互联网上公开可用的信息不断增长，在评论网站，论坛，博客和社交媒体中，可以获得大量表达意见的文本。在情感分析系统的帮助下，这种非结构化信息可以自动转换为，结构化数据，关于产品，服务，品牌，政治或人们可以表达意见的其他主题。 这些数据对于商业应用非常有用，例如营销分析，公共关系，产品评论，网络发起人评分，产品反馈和客户服务。

在进一步详细说明之前，让我们首先给出"观点"的定义。 文本信息可以大致分为两种主要类型：事实和意见。 事实是关于某事的客观表达。 意见通常是主观表达，描述人们对主题的情绪，评价和感受。正如许多其他NLP问题一样，情感分析可以建模为分类问题，其中必须解决两个子问题：

观点分为两类：直接性的和比较性的。直接性观点：直接对实体提出意见，例如：“相机A的画质很差。”这个直接意见陈述了对相机A的负面看法。

比较性的意见：通过比较实体与另一实体来表达意见，例如：“相机A的图像质量优于相机B的图像质量。”

通常，比较性观点使用，形容词或副词的比较级或最高级形式表达两个或更多个实体之间的相似性或差异。 在前面的例子中，对于摄像机A有一个积极的看法，相反，对摄像机B有一个负面看法。

关于主题的明确观点，是在主观句子中明确表达的意见。 以下句子表达了明确的积极观点：“这款手机的音质令人惊叹。”对某一主题的含蓄的观点，是客观句中隐含的意见。 以下句子表达了一种隐含的否定意见：“耳机在两天内坏了。”

在隐含的意见中，我们可以包括隐喻，这些隐喻可能是最难分析的观点类型，因为它们包含大量的语义信息。

情感分析可以用于不同级别的范围：

情感分析有多种类型和风格，情感分析工具的范围从专注于极性（正面，负面，中立）的系统到检测情感和情绪（愤怒，快乐，悲伤等）或识别意图的系统（例如感兴趣和没兴趣）。 在下一节中，我们将重点介绍。

有时您可能想，更加准确地了解意见的极性水平，因此你可以考虑，以下类别而不仅仅是谈论积极，中立或消极的意见：

这通常被称为细粒度情感分析。 例如，这可以在评论中映射到5星评级，例如：非常正= 5星和非常负= 1星。

一些系统还通过识别积极或消极情感是否与特定感觉相关联，来提供不同的极性风格，例如愤怒，悲伤或忧虑（即负面情绪）或快乐，