NLP情感分析难在哪里？入门进阶最全知识点就看这一篇！

2020 年 11 月 18 日 AINLP

自然语言处理只是冰山一角，这是因为人与人交流不是文字或文字堆砌的句子所能表达的，而是一个微妙且复杂的过程。情感就像是将声调、配套的文字以及语言风格杂糅在一起。要让计算机真正理解人类日常交流用语，单单了解单词的定义是远远不够的，计算机还要理解人类的情感，只有这样才能最终理解人每天的交流方式。

情感倾向分析的方法主要分为两类：

基于情感词典的方法；
基于机器学习的方法，如基于大规模语料库的机器学习。

前者需要用到标注好的情感词典；后者则需要大量的人工标注的语料作为训练集，通过提取文本特征，构建分类器来实现情感的分类。

情感词典的构建是情感分类的前提和基础，目前在实际使用中，可将其归为 4 类:通用情感词、程度副词、否定词、领域词。目前国内外，情感词典的构建方法主要是利用已有电子词典扩展生成情感词典。

那么，如何掌握基于情感词典分析方法？情感分析中的GPT 系列和 BERT 类模型又是如何使用？别急，今天，给大家推荐一份由 开课吧 提供赞助的《NLP情感分析进阶必备大礼包》资料。

包含了情感分析、词向量、文本挖掘、Pipeline、Word2Vec、Transformer、BERT、 GPT等核心知识。满足你在学习NLP情感分析的各种需求，成为NLP算法工程师，这个资料是你最好的选择。本号主为大家争取到了免费名额（前150名，还可以获得开课吧NLP付费课程的报名优惠资格）。

扫码添加，免费获取超全资料

备注【情感分析】领取

基础篇

5篇NLP精品论文

这5篇论文包含了情感分析的各个领域，并且有情感分析领域最具影响力的学者之一的刘兵老师。NLP 必学知识点BERT 、 GPT 、Attention 、 CBOW 、 Skip-Gram 、还包含了几种优化方法：Hierarchical Softmax、Negative Sampling 、Subsampling 技术。这些论文将给你的NLP情感分析奠定了理论基础。

<< 滑动查看精品论文 >>

进阶篇

NLP模型搭建书籍

pytorch不熟悉？代码能力薄弱？不要怕，这本书非常适合有一定python基础的学员进阶训练自己的实战能力。看完这本书，应聘初级算法工程师一点问题也没有。

高级篇

情感分析源码与情感词典

2大情感分析源码，由简入深熟练运用模型

pytorch-实现情感分析：

涵盖了情感分析常用的各种模型，并使用了 jupyter notebook 进行展示，具有很好的交互性。对于一个问题的解决由简单模型逐渐加入各种技巧、升级模型，展示了解决一个问题的正确姿势

BERT-pytorch实现：

代码结构组织的很棒，对于看完论文依然对细节不太清楚的同学来说，阅读这篇源码会是最佳选择

情感词典（包含中英文用语词及本体）

中英文情感分析用语词

这份中英文情感分析用语词集包含了约17887个词语。其中包含正面情感、负面情感、正面评价、负面评价、程度级别、主张六个子类。

中文情感词汇本体库

该词库包括词语词性种类、情感类别、情感强度及极性等信息。中文情感词汇本体的情感分析体系是在国外比较有影响的Ekman的六大类情感分析体系的基础上构建的。在Ekman的基础上，词汇本体加入情感类别“好”对褒义情感进行了更细致的划分。最终词汇本体中的情感分为7大类21小类。构造该资源的宗旨是在情感计算领域，为中文文本情感分析和倾向性分析提供一个便捷可靠的辅助手段。

目前，2000+ 看过这个资料的同学都顺利成为各公司NLP算法工程师。长按识别下方二维码，快来领取资料吧！

从入门到精通——

《NLP情感分析进阶大礼包》

长按扫码添加

获取完整版本免费资料

👇👇👇

备注【情感分析】添加👆