情感分析是通过识别文本中表达的主观性来对文本进行分类的过程。例如，文本可以分为积极的、中性的或消极的，并且通常用一个分数来表示情绪的强度。
情感分析的例子。
情绪分析应用程序
情感分析应用于几乎所有行业，如:
- 利用来自客户调查和社交媒体的情绪评分来识别痛点和差距，以获得更好的产品/流程设计
- 利用财务报告和新闻文章的情绪分数建立交易资产选择模型
情绪分析技术
情感分析使用文本分析，将自然语言处理与机器和深度学习算法相结合，构建分类模型并估计情感得分。两种最常见的情绪分析方法是:
- 使用预先构建的字典:你可以从现有的字典开始，它可以按照不同的极性(如积极/消极)、情绪(如生气/悲伤/不满意)或数字尺度对不同的单词进行分类。然后，您可以使用字典构建一个情绪分析模型，预测文本中单个单词的情绪，最后将单个得分合并为文本的总体情绪得分。
- 使用prelabeled文档:你也可以使用深度学习技术从一个预先标记的数据集构建一个情感分析模型，该数据集将每个文档(评论、推文或其他文本)分类为不同的情感。然后，您可以使用该模型来预测新文档中的情绪。
要了解更多关于使用文本数据(包括情感分析)导入、探索、可视化和构建模型的信息，请参见文本分析工具箱™．
