创建标记化文档。

str = [“这本书很好!!!!”“这本书糟透了。”];文件= tokenizedDocument (str);

评估标记化文档的情感。1分表示积极情绪，-1分表示消极情绪，0分表示中性情绪。

compoundScores = ratioSentimentScores(文档)

compoundScores =2×11

情感分析算法依赖于被称为情感词典的带注释的单词列表。例如,ratioSentimentScores函数使用了一个情绪词典，其中的单词标注了从-1到1的情绪评分，分数接近1表示强烈的积极情绪，分数接近-1表示强烈的消极情绪，分数接近零表示中性情绪。

如果情感词典被使用ratioSentimentScores函数不适合您正在分析的数据，例如，如果您有一个特定于领域的数据集(如医学或工程数据)，那么您可以使用自己的自定义情感词典。有关如何生成特定于领域的情感词典的示例，请参见生成领域特定情感词典．

创建一个包含要分析的文本数据的标记化文档数组。

textData = [“这家公司的增长势头非常强劲。”“这家公司被指控误导消费者。”];文件= tokenizedDocument (textData);

为金融数据加载示例特定于领域的词汇。

文件名=“financeSentimentLexicon.csv”；台= readtable(文件名);头(台)

ans =8×2表Token SentimentScore _________________ ______________ {'opportunities'} 0.95633 {'innovative'} 0.89635 {'success'} 0.84362 {'focused'} 0.83768 {'strong'} 0.81042 {'capabilities'} 0.79174 {'innovation'} 0.77698 {'improved'} 0.77176

用……来评估你的情绪ratioSentimentScores函数，并指定自定义情感词典“SentimentLexicon”选择。1分表示积极情绪，-1分表示消极情绪，0分表示中性情绪。

compoundScores = ratioSentimentScores(文档,“SentimentLexicon”(资源)

compoundScores =2×11