情感分析系統？

求助萬能的知乎，請問現在有已經設計好的情感分析系統嗎？都應該包含哪些模塊吶？

感謝邀請。手機碼字，請見諒。

目前有一些nlp的平台會帶有情感分析（SA）的模塊，比如騰訊NLP、BosonNLP等，您可以看一下。但要是說把SA單獨做成一個系統的，國內的我不怎麼了解，國外倒是有，回頭有時間補上鏈接，大都是把時空信息融合進去。前段時間跟我師兄弄了一個模型，就是把社交信息和時空信息加進去。至於怎麼融入，方式很多，有個日本人寫了一本書，我記不清名字了，那本書偏工程一點，應該有你想要的內容。

情感分析的python包很多，nltk、snownlp、textblob等，java的斯坦福nlp也挺好的。但是這些都不能算是系統（吧？）

如果您只是希望應用SA，上面的那些工具隨意挑一個就行了，snownlp可以自己添加訓練語料，自己訓練；如果您想親自動手做一個，也不是很難。我們以做一個簡單的（中文）情感分析的流程為例說一下。

首先，數據獲取模塊。這個不是必須，現在非常多的開放數據。如果你需要做實時的SA，Online的輿情分析這種，那這個模塊就是需要的，不像做實驗那樣，用公共數據集是不太行的。

然後，數據清洗模塊。這也是最臟最累的活了。拿微博為例，去除鏈接、用戶信息、非中文符號等，至於去掉哪些內容，其實也和你將要使用的方法有關，比如，我要用到用戶信息、時間、地點，在獲取信息時就應得到這些，清洗時自然不能去掉。像表情符這種，也要根據實際情況看看是否刪除。然後，分詞、去停用詞，很多人都做過這一步，但是也有不去停用詞的，比如我很喜歡的SentiCircle，這個作者就做了一個SA的系統。他認為停用詞也攜帶情感，不應隨意去除。

再然後，文本表示，這個就和你的演算法很相關了，你是使用基於情感詞典、傳統機器學習、主題模型還是深度學習？可以選用詞袋錶示，或者詞向量，亦或是其他（SentiCircle採用二維的點表示每個詞）。

到此，數據獲取、處理基本完成，但如果你需要做更細的SA，比如aspect based SA，你可能還需要做aspect extraction，我喜歡直接用CRF把aspect當作命名實體來抽取。還有像淘寶評論那種，抽取用戶評論的關鍵部分，知乎上有個問題下面把淘寶評論抽取說的很清楚，題主可以搜一下。如果再細，可能還要分句等等。

訓練模塊。前期的數據處理終於幹完了 ，該講到演算法了，其實上面也說過了。

基於情感詞典，這沒啥好說的，比誰詞典更好，中文的詞典都不怎麼完善，自己動手做一下，我是把Hownet、台大和清華等幾個我能找到的詞典都整合在一起，然後採用詞典擴充的方法，做了一個類似SentiStrength的帶有極性和強度的詞典，詞典構建的演算法不詳述了，文章很多。情感分類的話，要想做的好一點，可以把否定、轉折、遞進、程度副詞等都處理一下。

基於傳統機器學習的方法，NB、SVM、MaxEnt等等都可以做，這裡就不說改進的方式了，很多文章也都說了，但是我覺得並不是每個方法都能起到提升的效果，還是那句話，需求驅動、數據驅動。

深度學習現在這麼火，CNN、RNN、BiLSTM、Attention based LSTM，等等，都可以試試，我只試了CNN和Attention。

至於主題模型，都被玩壞了。但是我一直覺得，主題模型是門檻比較高的一種方法，主要原因是我比較弱吧，這塊內容比較多，從理論到實現花了比較長的時間。

還差一個預測模塊，這塊不用說了，把前面的都做一遍，出結果。

雖然說起來比較簡單，但是具體實施的時候，上面的每個模塊都夠寫一篇很長的文章。且不說改進了。

還是之前那句話，想用一種方式解決情感分析是不可能的，需求驅動+數據驅動，影響著整個流程的每一步。