「深圳专业小三取证公司哪家好」「情感分析领域」简单调研

情感分析或看法挖掘是对他们对产品、服务、组织、个人、问题、事件、话题以及属性的看法、情感、情绪、评价和心态的计算研究。

现有研究尚未形成了能用于情感分析多项任务的长期科技，包括监督跟无监督方式。在监督原则中，早期论文使用所有监督机器学习方法（如支持向量机、最大熵、朴素贝叶斯等）和特点组合。无监督方式包含使用情感词典、语法剖析和语义方式的不同方法。现有多本综述书籍和论文，广泛地包括了初期的方式跟应用。

大约十年前「情感网站」，深度学习作为强大的机器学习技术，在这些应用领域形成了当前最优的结果，包括计算机视觉、语音识别、NLP 等。近期将深度学习应用至情感分析也随之愈发流行。

情感分析的三种粒度

文档/句子粒度：Kim等人（2013） 提出的CNN文本分类工作，成为段落级情感分类任务的重要baseline之一；文档/句子粒度：基本的lstm模型加上pooling策略构成分类模型，是一般用来做情感分析的方式；短语粒度：Tang等人（2015） 使用两种不同的rnn网络，结合文本跟主题进行情感分析；短语粒度：Tang等人（2016） 结合memory-network，解决target-dedependent问题，这里的target理解为中间提过的aspect；短语粒度：Chen等人（2017） 分别使用位置权重记忆跟层叠attention的复合模式，建模target词跟文本间的互相交互关系，以解决短语级情感分类问题；短语粒度：Schmitt1等人（2018） 将aspect和polarity结合在一起进行分类任务训练，得到情感分析的建模；现在流行模型：大规模语料预训练（词向量/Elmo/GPT/Bert）+ 深度学习分类器（lstm/cnn/transformer）「情感网站」，一个很好的例子见。