結合工程實踐選題調研分析同類軟件產品

　　個人工程實踐選題是文本情感分析，即意見挖掘。簡單而言，是對帶有情感色彩的主觀性文本進行分析、處理、概括和推理的過程。例如如今互聯網上每時每刻都在產生大量的評論，這些評論信息表達了人們的各類情感色彩和情感傾向性，如喜、怒、哀、樂和批評等，基於情感分析，潛在的用戶就能夠經過瀏覽這些主觀色彩的評論來了解大衆輿論對於莫一事件或產品的見解。因此說文本情感分析的研究價值很大，所以文本情感分析也成爲了NLP中很熱門的研究領域。

　　經過調研瞭解到百度AI開放平臺上就有文本情感分析的功能演示，其大概的功能就是你輸入一段評論可以得出評論的情感色彩是正向情感仍是負向情感，以及相應情感色彩的情感傾向程度。效果大概以下：

 　　目前國內外在文本情感分析的應用上尚未獲得大量的普及，可是其效果都大體同樣，由於情感分析只是一種對文本進行分析處理的技術，本文主要在文本情感分析的不一樣應用領域上進行研究和對比。

　　情感分析在互聯網商品評論中的應用。這是隨着電子商務蓬勃發展而興起的一個研究領域，它具備很是普遍的應用前景與巨大的商業價值。針對商品評論的情感分析每每須要從更細的粒度來進行分析，而不是以文本爲單位，由於對於商品使用者來講，每每是針對產品的某一些特徵或主題進行評論，而不是整個產品。可是要將情感分析技術運用到具體的商業應用，還面臨這較大的困難。例如如今愈來愈多的廠商爲了提升商品的銷量，每每會在商品評論中添加不少的虛假評論，經過「刷單」的方式吸引潛在的消費者，所以這嚴重減低了情感分析的準確率。

　　情感分析在微博中的應用。因爲微博的可移動性、內容的共享性、簡潔性和實時性使得微博已經成爲了大多數網民平常生活中不可缺乏的交流互動的社交網絡媒體，對微博進行情感分析能夠了解到用戶對某一事件或決策的見解。與對商品評論進行情感分析的方式不一樣，微博的情感分析更注重的是情感分類，即將文本內容所表達的情感傾向分爲負向、中性和正向。微博的情感分析也面臨着不少困難，因爲中國人口衆多，微博的用戶數量也很龐大，用戶天天發的微博內容能夠構成一個龐大的語料庫，可是因爲中文分詞的複雜性，須要將文本進行向量化，因此對語料庫的標註是一個極其耗時耗力的事情，一樣也存在很大錯誤率。

　　情感分析在股票預測中的應用。對於金融這個領域，互聯網已經成爲投資者獲取各類股市投資信息的主要渠道，於此同時，愈來愈多的投資者經過互聯網來搜索相關金融信息，同時發表本身對於金融市場的觀點，就企業投資意向、市場走勢等問題進行交流，經過研究發現一我的的行爲和情緒有很大聯繫，因此能夠經過情感色彩來對股票進行預測。這類研究主要應用文本挖掘技術來識別在線評論的極性，或是經過機器學習的技術提取文本數據特徵，再和相關的股市表現數據進行測試訓練來進行預測。主要從大盤、板塊、行業和個股四個層面來分析研究股評情感指數與股市表現之間的關係。該領域的難點有，相關股票金融信息的挖掘須要結合專業的金融背景知識來分析，在金融環境下有效識別評論情感傾向存在必定的難度。

1. 文本情感分析主要的目標是可以更準確和快速的分析提取出文本的情感色彩和情感傾向，這樣普通用戶就不要花大量的時間人工瀏覽文原本進行評判了，能夠很大程度上提升人們的工做效率
2. 最有可能的是擴大用戶的數量，由於應用文本情感分析能夠提升人們的效率因此會有更多的人選擇帶有文本情感分析的產品
3. 這些產品最有可能的是在線使用，例如百度AI開放平臺的情感分析
4. 這些軟件的bug主要是因爲天然語言處理的難點所在，即語言的複雜性。
5. 文本情感分析是近幾年NLP研究的重點領域，不一樣產品的競爭多是應用的模型，我相信文本情感分析會愈來愈火，也相信它在10年，20年以後依然會存在，由於文本情感分析如今只是初步階段，隨着計算機計算能力的提高和語料庫的完善，文本情感分析會愈來愈成熟，同時也會產生愈來愈好的模型。