▎為什么需要NLP情感分析,？
?
看了最新一期奇葩說(shuō),，很觸動(dòng),。
辯題：
TA真的很努力是不是一句好話
?
辯手們從表達(dá)者的意圖、傾聽(tīng)者的心態(tài),、傳播學(xué)語(yǔ)境等各種角度論證自己的觀點(diǎn),，意圖拉攏受眾站到自己這一邊，而受眾的立場(chǎng)在一波又一波的針?shù)h相對(duì)中左右搖擺,。辯手們出色的語(yǔ)言能力,，成功感染了大家的情緒,，引發(fā)共鳴。
我也從中受到很多啟發(fā),，特別是有兩句話，與最近在做的一個(gè)項(xiàng)目有關(guān),。
被誤解是表達(dá)者的宿命,。
不確定是傾聽(tīng)者的宿命。
我們?nèi)祟愃坪鹾茈y準(zhǔn)確把握他人的情感變化,。但是我想,，機(jī)器是不是可以做到這一點(diǎn)。基于這個(gè)論點(diǎn),，下面給大家分享一個(gè)機(jī)器學(xué)習(xí)的分支研究——自然語(yǔ)言處理（NLP）,。
或許你已經(jīng)很熟悉這個(gè)概念了，但是我們并不滿足于只是讓機(jī)器簡(jiǎn)單處理我們平時(shí)說(shuō)的話,，我們要做更深層次的研究,，那就是教計(jì)算機(jī)理解我們的情緒，做“情感分析”,。
或許你會(huì)覺(jué)得有些不可思議,，感到懷疑，而這正是值得探討的,。
自然語(yǔ)言處理
自然語(yǔ)言處理（Natural Language Processing）,，簡(jiǎn)稱 NLP，是人工智能領(lǐng)域的一個(gè)重要組成部分,，旨在讓計(jì)算機(jī)理解并處理人類語(yǔ)言,。
（圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)請(qǐng)聯(lián)系刪除）
由于理解自然語(yǔ)言,，需要關(guān)于外在世界的廣泛知識(shí)以及運(yùn)用操作這些知識(shí)的能力,，所以自然語(yǔ)言處理，也被視為解決人工智能完備性的核心問(wèn)題之一,。
眾所周知,，人與人和人與計(jì)算機(jī)交流的方法有很大區(qū)別。程序員經(jīng)過(guò)專業(yè)學(xué)習(xí)和訓(xùn)練,，在與機(jī)器對(duì)話時(shí),，必須嚴(yán)格遵守特定的語(yǔ)法和格式要求，而人與人的交流,，從牙牙學(xué)語(yǔ)開(kāi)始,，一切都顯得自然隨意得多。
同樣的句子可以表達(dá)不同的含義,，不同的句子還能表達(dá)相同的含義,。
為什么,？引起這種差異的原因是什么？
情感,！情緒,！情境！
如此,，你也就明白,，讓計(jì)算機(jī)做自然語(yǔ)言處理，尤為艱難的就是情感分析了,。
情感分析
情感是將表情,、聲調(diào)、文字以及語(yǔ)言風(fēng)格雜糅在一起,，是一個(gè)表達(dá)過(guò)程,，而非結(jié)論。情感分析（Sentimental Analysis）有基于文本和語(yǔ)言之分,。相比文本,，語(yǔ)言更為復(fù)雜，涉及語(yǔ)音識(shí)別,，甚至人臉識(shí)別等,。本文今天主要探討基于文本的情感分析。
（圖片來(lái)源于網(wǎng)絡(luò),，如有侵權(quán)請(qǐng)聯(lián)系刪除）
文本情感分析是對(duì)文本中的某段已知文字的兩極性進(jìn)行分類,，判斷出此文字中表述的觀點(diǎn)是積極的、消極的,、還是中性的情緒,。
對(duì)于我們?nèi)藖?lái)說(shuō)，看懂一段文字是消極的還是積極的,，很容易,。但是要教會(huì)機(jī)器看懂并且對(duì)文字進(jìn)行情感分類，還有很多工作要做,。
下面簡(jiǎn)單介紹下NLP情感分析的工作流程：
1,，分詞
首先，認(rèn)字,！把文本拆分成單個(gè)的詞,。在英文的文本中，簡(jiǎn)單的拆分方法是,，每一個(gè)空格之后是一個(gè)新的單詞,，逗號(hào)、句號(hào),、感嘆號(hào),、問(wèn)號(hào)這一類的標(biāo)點(diǎn)符號(hào)隔開(kāi)的也是新的單詞,。對(duì)所有的文字這樣做之后，就可以得到文本中用到的所有單詞,。
2,，特征向量
然后，我們要把句子轉(zhuǎn)變?yōu)樘卣飨蛄?。常?jiàn)的特征向量有兩類,。其一為one-hot編碼，計(jì)算單句中不同詞的詞頻,，建立與詞典長(zhǎng)度等大小的向量，當(dāng)然,，所有的向量都需要?dú)w一化,；其二為word-to-vector，通過(guò)全量語(yǔ)料的訓(xùn)練得到的副產(chǎn)品,，每個(gè)詞都能表征成等長(zhǎng)數(shù)值向量,。
3，模型訓(xùn)練
接下來(lái),，就是訓(xùn)練模型的時(shí)候了,。你需要為機(jī)器建立自己的學(xué)習(xí)模型，以此來(lái)判斷句子的情感,。我們將具備正確label的特征向量作為樣本數(shù)據(jù),，喂入特定的分類器，比如常見(jiàn)的SVM（Support Vector Machine）,、深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network）等,。在每一個(gè)批次的迭代過(guò)程中，依據(jù)梯度下降的算法對(duì)需要優(yōu)化的目標(biāo)函數(shù)做一定程度的逼近,。
當(dāng)目標(biāo)函數(shù)殘差收斂時(shí),，分類器即完成了用“曲面”在超平面中劃分開(kāi)兩類樣本點(diǎn)的工作，而樣本點(diǎn)對(duì)“曲面”的距離即表示其情感積極或消極的程度,。需要注意的是,，并不是訓(xùn)練時(shí)間越久、迭代輪次越多效果就一定會(huì)更優(yōu),，很多時(shí)候我們需要引入終止條件,、甚至在目標(biāo)函數(shù)中加入懲罰項(xiàng)來(lái)防止過(guò)擬合現(xiàn)象。
?
?
4,，測(cè)試
最后,，訓(xùn)練好的模型就可以用來(lái)判斷文本的情緒了。用同樣的方式生成待測(cè)試文本的向量,，如果向量在模型空間中處于“曲面”的一邊就是積極的,，反之就是消極的,。
情感分析應(yīng)用
現(xiàn)實(shí)生活工作中，關(guān)于情感分析的應(yīng)用有很多,。下面列舉幾個(gè)常見(jiàn)的場(chǎng)景：
電商平臺(tái)的關(guān)聯(lián)推薦,；
社交網(wǎng)站的電影評(píng)分；
頭條的新聞話題推送,；
金融機(jī)構(gòu)的智能風(fēng)控,。
所以，如果你是金融從業(yè)者,，你需要情感分析來(lái)幫你做企業(yè)征信,；你是電商運(yùn)營(yíng)者，你需要情感分析來(lái)幫您做關(guān)聯(lián)銷售,；你是內(nèi)容運(yùn)營(yíng)者,，你需要情感分析來(lái)幫您了解人們喜歡和不喜歡的內(nèi)容；你是政府決策者,，你需要情感分析幫你掌握輿情走向,，做正確的輿論引導(dǎo)；你是投資分析者,，你更需要情感分析來(lái)幫你構(gòu)建有助于預(yù)測(cè)市場(chǎng)反應(yīng)的模型,。
寫(xiě)在最后
隨著人工智能技術(shù)越來(lái)越多的應(yīng)用到我們的工作和日常生活中，如何用我們熟悉的語(yǔ)言與計(jì)算機(jī)交互變的越來(lái)越重要,，而自然語(yǔ)言處理正使得這些變成現(xiàn)實(shí),。
那么，回到話題的最初——“他真的很努力是不是一句好話”,。
計(jì)算機(jī)是如何回答的,？
這個(gè)，留待下回分解,。