信息时代，千人千面。学会情感分析，一招领略全网情感走向，在许多需要分析信息的地方都用得到。
针对消费者行为偏好的了解往往能够从商品的评论区中收集；突发性事件爆发时，通过情感分析可以第一时间了解受众的感情走向；正负情感的分析，还能应用在文案输出前对受众情感预判，10W+网文不是难度.......
在了解这些的基础上，情绪还可以进一步细分。还不快来了解一下？
（一）什么是情感分析
情感分析(SentimentAnalysis)又称意见挖掘、倾向性分析，是指对带有情感色彩的主观性文本进行分析、处理和抽取的过程，是自然语言处理技术的一个分支。比如，在视频中弹幕飘过“翔哥最帅”就是一个正面评价，“疯狂恰饭”根据语义、环境可以判断是一个负面评价。
图1 清博AI数据情感分析
通过情感分析技术可以迅速掌握网上舆情的变化，有利于相关决策者根据民意有针对性的采取必要的措施。
（二）两种常见的情感分析种类
1、情感极性分析
情感极性分析的目的就是对带有感情色彩的主观性文本内容进行正面、负面、中性的判断。基于新闻评论的分析可以分为受众意见及事件走向；基于产品评论的情感分析则可以直观性的了解产品的大众口碑。
图2清博AI数据情感分析-感情极性分析
2、情感程度分析
情感程度分析主要是对情感极性方向进行再细分，来描述该极性的强度。由于语义的复杂性，一段文字中往往包含多个情感走向，通过占比显示，可以发现核心情绪表述。
图3清博AI数据情感分析-情感程度分析
（三）情绪分类+情感分析更全面！
清博AI数据情感分析系统建立在对于基本信息的词性分析、实体识别上，引用的数据可以涵盖多种类型：直接收集到的各种评论、截取的网页信息、各类新闻报道等。通过提交收到到的信息，可以迅速获得目标文本的情感分析。
图4-清博AI实验室-NLP工具
如果只是对情感做出正负面分析，那还不是清博AI实验室最厉害的地方。从字里行间发现七种情绪，包含乐、哀、好、怒、恶、惊、惧，同时又细分22个子类的情绪，了解情绪的多种组成。这有什么用处吗？当然有用，因为如果我们只是关注到情感的正负而无法察觉更细腻的感情时，下一步的针对工作会显得有些片面。
图5-清博AI实验室情绪分类
比如对网络某一热点事件进行分析时，我们会发现一件触及大众道德底线的事件下评论往往呈批评趋势，针对这些评论做进一步的情绪分类时会发现，这些正常怒、惊的情绪中还有“乐”这一种情绪掺杂。这种不一样的声音往往代表着不一样的角度，我们可以进行进一步地分析，来了解到底是什么样的评论、什么样的原因出现了这一种与众不同的情绪。
图6-同一事件评论的情感分析与情绪分类
发现了吗？情感分析+情绪分类，会让我们对于目标信息的了解更加深入，寻找到更多的切入角度和可能，在全面的同时更加独到。
（四）情感分析使用小剧场
· 剧场一
图7-通过商品购物评价分析用户心理
在产品调查阶段，通过商品评论区的信息收集和用户情感分析可以发现已经确定的文化基调与用户形成的品牌认知之间存在的差异，不同时间段的反馈截取帮助了解品牌建设的知名度、认知度、美誉度、忠诚度走向。针对影响品牌形象的反应可以采取相应的措施，情感分析得出的正面反馈可以追踪、复盘活动，负面反馈则需要考虑采取相应的公关措施。总之，通过情感分析可以辅助一系列的产品调查报告完成，例如，需要衡量调查产品应当加大哪个平台投入时，就可以通过分析不同平台用户情感辅助决策。
图8-同一商品异质化平台情感分析
· 剧场二
活动策划前通过情感分析对目标用户的相关活动反应进行情感分析，了解主要的情感分布，借助详细的情绪的分类决定哪些活动可以采用或借鉴。当然，我们还可以通过限定地域信息，通过收集、划分不同地区来预判目标区域受众喜好。
·剧场三
社会热点总是稍纵即逝，情感分析不光可以用来了解网民的情绪分布，还能够辅助你从众多的报道
有的事件历时长，只局限于某一时段的信息分析往往会造成对事态发展的误判。通过多时段信息分析，不仅能够了解目标受众情感变化，还能够了解全网关注度是否扩大。
例如，以2016年至2020年的网页新闻为主，选择与短视频相关的主流媒体报道可以发现其对于短视频态度的变化。主流媒体对于短视频的态度从中性到正面变化，对于短视频的接纳程度
图9-同一事件时间差异化的分析
通过这个简单的小教程，相信你可以快速掌握文本情感分析的方法与角度。一千个读者眼里有一千个哈姆雷特，不一样的关注角度就可以获得不一样的结论。在使用工具的同时，可以发现自我的无限潜能，这是工具最有价值的地方。
扫码加入清博AI实验室
即可制作完整的情感分析哦！