Keras情感分析（Sentiment Analysis）实战---自然语言处理技术

情感分析（Sentiment Analysis）是自然语言处理里面比较高阶的任务之一。仔细思考一下，这个任务的究极目标其实是想让计算机理解人类的情感世界。我们自己都不一定能完全控制和了解自己的情感，更别说机器了。

不过在人工智能的认知智能阶段（人工智能三阶段——计算智能，感知智能，认知智能），商家还是可以用它来做一些商品或服务的评论分析，继而有效地去优化商品或服务，为消费者们提供更好用户体验。

情感分析任务简介

情感分析任务其实是个分类任务，给模型输入一句话，让它判断这句话的情感是积极的，消极的，还是中性的。例子如下：
输入：的确是专业，用心做，出品方面都给好评。
输出：2
输出可以是[0,1,2]其中一个，0表示情感消极，1表示情感中性，2表示情感积极。

情感分析这个任务还有一个升级版——细腻度的情感分析。升级版希望模型不仅能识别出情感的好坏，而且还希望模型能识别出是由于什么原因导致这种情感发生。举个例子,"这家餐厅的地理位置不错，可惜菜不怎么好吃"，我们就需要识别出，在地理位置这个aspect上情感是积极的，而在菜的味道这个aspect上情感是消极的。听起来是不是很难，所以实战部分我只简单介绍一下麻瓜版的情感分析任务——简单的分类。

情感分析算法简介

分类任务的算法，想必大家都很熟悉：SVM，Logistic，Tree等。可是对于文本分类来说，最重要的是如何将一句话的映射到向量空间，同时保持其语义特征。所以文本的

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/107332959