基于机器学习的情感分析方法及应用研究综述

李梦楠 汪明艳

摘  要：为了进一步了解情感分析方向的发展趋势，通过对基于机器学习的情感分析文献的整理与分析，首先对国内外基于机器学习的情感分析方法进行了梳理，介绍了相关方法的基本原理及算法改进;其次列举了几种方法在电子商务、餐馆评价和灾害管理中的实际应用，对当前情感分析应用中存在的主要困难进行探讨，对相关方法处理能力进行评价;最后得出了上下游任务结合的处理方法值得深入研究的结论，给出了对情感分析未来研究趋势的展望，提出了相关方法改进的挑战。

关键词：情感分析;机器学习;BERT;支持向量机;卷积神经网络

中图分类号：TP391.1     文献标识码：A

文章编号：2096-1472（2021）-09-21-03

Abstract： In order to further understand the development trend of sentiment analysis， this paper proposes first to sort out sentiment analysis methods of machine learning at home and abroad， after sorting and analyzing sentiment analysis literature. Basic principles and algorithm improvement are introduced， followed by the practical application of several methods in e-commerce， restaurant evaluation and disaster management. Difficulties in the current sentiment analysis application are discussed and the processing ability of related methods is evaluated. Finally， it is concluded that the processing method of combining upstream and downstream tasks is worthy of in-depth study， and the prospect of the future research trend of sentiment analysis and the challenges of related method improvement are given.

Keywords： sentiment analysis; machine learning; BERT; support vector machine; convolutional neural network

1   引言（Introduction）

用户在论坛、微博、新闻上分享他们的观点或意见，这些被认为是公众意见的重要来源。在此背景下，情感分析研究应运而生，其目的是分析用户情感。情感分析数据是不同应用领域的相关信息来源，例如在电子商务领域，产品评论是用自然语言写成的，口语化评论更容易阅读，但机器分辨情感极性并不容易;面对突如其来的灾害，灾民会通过社交媒体表达情感[1]，救援组织或政府机构可以通过对相关区域社交媒体的分析了解灾害的破坏程度。因此，情感分析是一个需要不同技术组合来进行管理的任务。

学者对基于深度学习的情感分析进行了研究，利用机器学习方法进行了多方面的探索。机器学习模型可以灵活地表示复杂关系，能够估计后验概率，执行时间较短，即使在有噪声数据的情况下，也具备良好的性能。……