【目的】通过文献调研梳理并综述文本情感分析的技术发展态势及应用场景。【文献范围】以Web of Science核心数据库和CNKI为检索来源,利用情感分析的相关概念、方法、技术构造检索策略,对2011-2020年文本情感分析方法的研究论文进行计...【目的】通过文献调研梳理并综述文本情感分析的技术发展态势及应用场景。【文献范围】以Web of Science核心数据库和CNKI为检索来源,利用情感分析的相关概念、方法、技术构造检索策略,对2011-2020年文本情感分析方法的研究论文进行计量统计。【方法】从时间、主题等维度对文本情感分析的主要模型方法和应用场景分别进行归纳、分析和总结,并在此基础上探讨其现状和不足。【结果】根据分析结果可以看出,面向不同应用场景,主要有基于情感词典与规则、基于传统机器学习和基于深度学习三种文本情感分析方法,各种方法均存在优缺点。同时,近年来基于多策略混合的方法逐渐成为重要的改进方向。【局限】主要从宏观技术方法的角度对文本情感分析方法及应用进行综述分析,没有对各类情感分析算法的技术细节进行对比和阐述。【结论】在大数据和深度学习带来的人工智能技术变革背景下,文本情感分析在技术方法上还有改进空间,同时在面向商业决策等应用场景中也有很大的发展潜力。展开更多
文摘【目的】通过文献调研梳理并综述文本情感分析的技术发展态势及应用场景。【文献范围】以Web of Science核心数据库和CNKI为检索来源,利用情感分析的相关概念、方法、技术构造检索策略,对2011-2020年文本情感分析方法的研究论文进行计量统计。【方法】从时间、主题等维度对文本情感分析的主要模型方法和应用场景分别进行归纳、分析和总结,并在此基础上探讨其现状和不足。【结果】根据分析结果可以看出,面向不同应用场景,主要有基于情感词典与规则、基于传统机器学习和基于深度学习三种文本情感分析方法,各种方法均存在优缺点。同时,近年来基于多策略混合的方法逐渐成为重要的改进方向。【局限】主要从宏观技术方法的角度对文本情感分析方法及应用进行综述分析,没有对各类情感分析算法的技术细节进行对比和阐述。【结论】在大数据和深度学习带来的人工智能技术变革背景下,文本情感分析在技术方法上还有改进空间,同时在面向商业决策等应用场景中也有很大的发展潜力。
