产品形态语义中情感因素的分析
摘要：本文从人的情感因素出发，分析了人的情感因素在产品设计和消费过程中的作用及影响。通过对人的情感因素的解读，研究产品设计过程中设计师对产品形态语义的编码，以及消费过程中消费者对产品语义的主动解码，使产品形态语义中的情感诉求为消费者所接受，取得与消费者情感上的共鸣。
关键词：产品语义；情感因素；消费者
中图分类号：tb472文献标识码：a文章编号：1006-4117（2011）06-0187-01
当设计史以前所未有的速度翻到后现代设计以来，情感化、人性化、个性化、趣味化等情感因素的表达就成为了后现代设计的主题，现代主义信奉的“形式追随功能”的信条蜕变为“形式追随激情”，情感因素越来越成为设计中的最主要的因素。事实上，人是产品的创造者与使用者，“人”本应该是被关注的焦点。
一、产品形态语义简析
产品是通过它的造型因素,如产品造型的尺度、形状、比例及其相互之间的构成、色彩、材质等,作为传达各种信息的语言或符号,通过关系营造出一定的产品氛围,使人产生夸张、含蓄、趣味、愉悦、轻松、神秘等不同的心理情绪和某种心理体验,让用户产生亲切感、成就感,从而建立起一定的产品形态。
“形态”是一种语言符号，“形态语言”是一种思想交流的工具。语义设计中存在设计者、设计物、使用者三个方面。设计者为了使设计意图、信息能顺利畅通地被使用者了解并接受，不造成误读、误解，设计前要对形态因素的语言使用情境进行分析，称之为形态的语境分析。产品形态的表现实际上是一系列视觉符号的传达,产品形态语义设计的实质也就是对各种造型符号进行编码,综合产品的造型、色彩、材质等视觉要素,传达产品的功能和结构特征。
二、设计过程中情感因素的分析
（一）设计师的认知经验
“情感的表现，单就表现而言，并不是对任何具体观众而发的，它首先是指向表现者自己，其次，才指向任何听得懂的人。”设计师是最早接触产品的人，产品设计过程中情感因素的注入首先通过设计师实现。在产品语义的塑造中，设计师正是通过自身的生活习惯、文化修养、人生阅历、认知经验等将自身情感自觉不自觉地注入到设计产品中。因此，设计师在设计过程中都会带有主观色彩、个人偏好等，使产品成为设计师的情感象征。
（二）设计师对形态语义的编码过程
设计师在产品形态的编码时，必须充分考虑受众（消费者）的理解能力和思维习惯，创造的形态表情应该与受众的心理产生某种知觉上的吻合，符号所传达的语义应接近受众心理的期望值，不能让受众在看到产品的形态时，设计者所表达的语义和受众所理解的语义落差太大，否则设计形态往往无法得到受众的认可。
设计者所力图表现的情感和特征隐喻在形态的某些元素之中，在保证产品形态的独创性之外，好的设计应该是易于解读的，在观众解读还原它的过程中能够再现或者部分的还原设计者的理念。不同的受众在自己的思维还原过程中，它根据自己已有的经验做出主观的判断，所以结果会有所不同。通过分析发现,影响消费者行为的主要是外部影响因素和内部影响因素。外部影响因素主要包括:文化因素、参考群体与社会流行因素、企业营销活动形式等。内部影响因素主要包括:个人因素和家庭因素。
三、消费过程中情感因素的分析
（一）消费者对非物质功能的追求
墨子曾说：“食必长饱，然后求美；衣必长暖，然后求丽；居必长安，然后求乐。为可长，行可久，先质而后文。”人本主义心里学家马斯洛将人的需求划分为五个层次，依次为生理的需要，安全的需要，爱的需要，被尊重的需要，自我实现的需要，这五个层次是一个逐级实
现的过程。功能至上的设计信条缺少对人的情感和人性的关怀，忽视了人们的情感诉求。设计应该摆脱功能唯一的局限性，根据人的爱好而追求更多的品质。产品形态语义学恰好弥补了这一缺陷，产品的使用者——人成了设计界需要研究的重要对象。
（二)消费者对符号的主动解码
“消费者不是被动的接受符号所传达的信息，而是在头脑中主动构建同化这些符号的认知结构。”产品形态语义的传达必须借助消费过程才能实现，消费者既是产品符号的被动接受者，也是产品形态语义所传达信息的最终评判者，因此消费者的情感特征在产品语义的传达过程中具有决定性作用。产品设计的终极目的是获得消费者的认可，从而将自身推销出去获得利润，因此，在整个设计过程中，设计师必须充分考虑消费者的生活习惯，文化习俗，情感需求、意识形态等，以期产品形态语义的传达与消费者的情感认知达成共鸣，这个过程也就是消费者（或欣赏者）主动对产品所传达的形态语义主动解码的过程。
结束语：产品形态语义学作为随后现代主义出现的一种设计理论，相同的背景因素决定了它们相通的核心精神——重主体精神。产品语义学迎合了信息社会产品渐成为传递复杂信息媒体这一事实，力图赋予产品“生命及意义”，通过产品与使用者之间的“交流”，注重产品中人的情感因素的注入,进而达到设计中的“物我合一”。
作者单位：景德镇陶瓷学院
作者简介：余建荣(1964— )，男，江西吉安人，景德镇陶瓷学院设计艺术学院，教授；郝晓芳（1986—），女，山东潍坊人，景德镇陶瓷学院设计艺术学院09级研究生。
情感分析简述
情感分析简述 分类：NLP2012-04-08 12:38 1022人阅读评论(3) 收藏举报情感classification算法测试translationmatrix 情感分析，我研究了也有半年有余了，ACL Anthology上关于情感分析的论文也基本看过了一遍，但是到目前还没有什么成就的。以下是我为一位同学毕业设计写的情感分析方面的综述，引用的论文基本上是ACL 和COLING还有EMNLP上历年关于情感分析的论文，本文应该学术性比较强一点，本文虽不打算发表，但由于将来可能还有用，以及关于学术上的原因，请大家如果要引用请务必标明出处 （https://www.360docs.net/doc/d37998682.html,/s/blog_48f3f8b10100irhl.html）。 概述 情感分析自从2002年由Bo Pang提出之后，获得了很大程度的研究的，特别是在在线评论的情感倾向性分析上获得了很大的发展，目前基于在线评论文本的情感倾向性分析的准确率最高能达到90%以上，但是由于深层情感分析必然涉及到语义的分析，以及文本中情感转移现象的经常出现，所以基于深层语义的情感分析以及篇章级的情感分析进展一直不是很大。情感分析还存在的一个问题是尚未存在一个标准的情感测试语料库，虽然Bo Pang实验用的电影评论数据集（https://www.360docs.net/doc/d37998682.html,/people/pabo/movie-review-data/）以及Theresa Wilson等建立的MPQA（https://www.360docs.net/doc/d37998682.html,/mpqa/）是目前广泛使用的两类情感分析数据集，但是并没有公认的标准加以确认。 目前情感分析的研究基本借鉴文本分类等机器学习的方法，还没有根据自身的特点形成一套独立的研究方法，当然在某种程度上也可以把情感分析看出一种特殊的文本分类。比较成熟的方法是基于监督学习的机器学习方法，半监督学习和无监督学习目前的研究不是很多，单纯的基于规则的情感分析这两年已很少研究了。既然目前很多情感分析的研究基于机器学习，那么特征选择就是一个很重要的问题，N元语法等句法特征是使用最多的一类特征，而语义特征（语义计算）和结构特征（树核函数）从文本分类的角度看效果远没有句法特征效果好，所以目前的研究不是很多的。 由于基于监督学习情感分析的研究已经很成熟了，而且在真实世界中由于测试集的数量要远远多于训练集的数量，并且测试集的领域也不像在监督学习中被限制为和训练集一致，也就是说目前情感分析所应用的归纳偏置假设在真实世界中显得太强的，为了和真实世界相一致，基于半监督学习或弱指导学习的情感分析和跨领域的情感分析势必是将来的研究趋势之一。 在情感分析的最初阶段基于语义和基于规则的情感分析曾获得了比较大的重视，但是由于本身实现的复杂性以及文本分类和机器学习方法在情感分析应用上获得的成功，目前关于这方面的研究以及很少了，但是事实上，语义的相关性和上下文的相关性正是情感分析和文本分类最大的不同之处，所以将基于语义和规则的情感分析与基于机器学习的情感分析相结合也将是未来的研究趋势之一。 以下将分别对情感分析的起源，目前基于监督学习，无监督学习，基于规则和跨领域的情感分析的一些研究工作进行简单的介绍。 起源 虽然之前也有一些相关工作，但目前公认的情感分析比较系统的研究工作开始于（Pang et al., 2002）基于监督学习（supervised learning）方法对电影评论文本进行情感倾向性分类和（Turney,2002）基于无监督学习（unsupervised learning）对文本情感情感倾向性分类的研究。（Pang et al., 2002）基于文本的N元语法（ngram）和词类（POS）等特征分别使用朴素贝叶斯（Naive Bayes），最大熵（Maximum Entropy）和支持向量机（Support Vector Machine，SVM）将文本情感倾向性分为正向和负向两类，将文本的情感进行二元划分的做法也一直沿用至今。同时他们在实验中使用电影评论数据集目前已成为广泛使用的情感分析的测试集。（Turney ,2002）基于点互信息（Pointwise Mutual Information，PMI）计算文本中抽取的关键词和种子词（excellent,poor）的相似度来对文本的情感倾向性进行判别（SO-PMI算法）。 在此之后的大部分都是基于（Pang et al., 2002）的研究。而相对来说，（Turney et al.,2002）提出的无监督学习的方法虽然在实现上更加简单，但是由于单词之间的情感相似度难以准确的计算和种子词的难以确定，继续在无监督学习方向的研究并不是很多的，但是利用SO-PMI算法计算文本情感倾向性的思想却被很多研究者所继承了。 监督学习 目前，基于监督学习的情感分析仍然是主流，除了（Li et al.,2009）基于非负矩阵三分解（Non-negative Matrix Tri-factorization），（Abbasi et al.,2008）基于遗传算法（Genetic Algorithm）的情感分析之外，使用的最多的监督学习算法是朴素贝叶斯，k最近邻（k-Nearest Neighbor，k-NN），最大熵和支持向量机的。而对于算法的改进主要在对文本的预处理阶段。 一个和文本分类不同地方就是情感分析有时需要提取文本的真正表达情感的句子。（Pang et al., 2004）基于文本中的主观句的选择和（Wilson el al.,2009）基于文本中的中性实例（neutral instances）的分析，都是为了能够尽量获得文本中真正表达情感的句子。（Abbasi et al.,2008）提出通过信息增益（Information Gain，IG）的方法来选择大量特征集中对于情感分析有益的特征。 而对于特征选择，除了N元语法和词类特征之外，（Wilson el al.,2009）提出混合单词特征，否定词特征，情感修饰特征，情感转移特征等各类句法特征的情感分析，（Abbasi et al.,2008）提出混合句子的句法（N元语法，词类，标点）和结构特征（单词的长度，词类中单词的个数，文本的结构特征等）的情感分析。 除了对于文本的预处理，对于监督学习中情感分析还进行了以下方面的研究的。（Melville et al., 2009）和（Li et al.,2009）提出结合情感词的先验的基于词典的情感倾向性和训练文本中后验的基于上下文的情感情感倾向性共同判断文本的情感倾向性。（Taboada et al.,2009）提出结合文本的题材（描述，评论，背景，解释等）和文本本身的特征共同判断文本的情感倾向性。（Tsutsumi et al.,2007）提出利用多分类器融合技术来对文本情感分类。（Wan, 2008）和（Wan, 2009）提出结合英文中丰富的情感分析资源来提高中文情感分析的效果。 基于规则/无监督学习
产品形态设计语义学概述
产品形态设计语义学概述 一、形态设计语义学概念 这里所指的语义学是关于概念形态意义的抽象原理研究，是研究形态意义的学问。狭义的语义学把一切语言因素都排斥在意义研究之外，而广义的语义学则包括由于特定的语言环境作用产生的语义。对于不同的语义，不同的学者可以从不同的角度给出不同的理解。 形态设计语义学实际上是借用了语言学的概念。从设计学的角度来看，设计语义学的主要研究对象是视觉形态、图象与识别，即象形符号语言的意义。1984年克劳斯·克里彭多夫（Klaus Krippendorff）和雷恩哈特·布特（Reinhart Butter）给出了产品语义学的定义，即：“一门研究造型在使用时的社会与认知情境下的象征意义，以及如何应用在工业设计上的学问”。 二、形态设计语义学与符号 产品形态语义学是在符号学理论基础上发展起来的。符号学指出一切有意义的物质形式都是符号；符号是利用一定媒介来表现或指称某一事物；它的目的是建立广泛可应用的交流规则，从而产生可以被大众所理解的事物。 形态设计语义学与文字语言学一样，也有自己的符号系统。产品的外部形态实际上就是一系列视觉符号的传达，产品形态设计的实质也就是对各种造型符号进行编码，综合产品的形态、色彩、肌理、材料等视觉要素，构成了它所特有的符号系统。 产品是人类文化的物质形式，是“人—自然—社会”三者之间相互联系的物质媒介，也是人类生活方式的物质媒介，而设计的本质正是在于为人类创造一种合理的生活方式。作为人类文化产物，符号在现代设计中具有的实践性意义十分重要。符号如同产品一样，产生于人类的社会劳动，是人类专有的财富，是一种以物质为载体，体现着人们的精神需求和社会文明的人为事物。
在线词频、语义、情感分析工具试用心得
根据之前在@数据化管理 微博那里看到的一些在线效率工具，来试用一下。首先就从在线词频、语义、情感分析工具开始吧。 @数据化管理 推荐了三个网站，分别是图悦、大数据搜索与挖掘平台和腾讯文智。 以新浪微博“英国公投决定脱欧 新浪正实时解读”的直播页面为试用对象，地址 为https://www.360docs.net/doc/d37998682.html,/zt/l/v/news/ygtogt2016/ ①图悦：https://www.360docs.net/doc/d37998682.html,/ 初始页面背景是黑色的，看着不舒服，页面换肤后变成白底还可以接受。 左边文本栏可输入待分析的文本，也可以直接复制链接，很人性化。贴入要分析的网页地址，点击分析出图，右边就获得了分析结果。、 结果显示有多种模式，下面截图显示的是默认的热词权重图-标准模式。热词词频图是每个热词后面带括号显示词频，比较乱，不好看。微信模式是圆形的显示框变成扁椭圆式，地图模式是显示框为中国地图的轮廓。 可以导出EXCEL，列明分析出来的关键词、词频和权重。 ②大数据搜索与挖掘平台：https://www.360docs.net/doc/d37998682.html,/nlpir/ 看上去功能比较强大，同样可以输入网页URL进行文本抓取。分析结果分为多个板块： 分词标注：可以对词语的词性进行分类分析，发现新词
实体抽取：对文本的实体类型和实体内容进行分析，下图是图表效果，●代表实体类型，●代表实体内容。另外还有文本效果，内容是一样的，效果不如这个好看，就不截图了。 词频统计：按照名词、动词、形容词分类显示词频，有柱状图和折线图两类图表，鼠标停留在某个词上会显示词频数量。 文本分类：似乎是对文本所讨论的问题进行归类，猜哒。 情感分析：不太明确是啥意思 -。-，什么叫正面，什么又叫负面呢，特定人物又是谁？
产品形态语义学在设计中的应用
得分：_______ 南京林业大学 研究生课程作业 2011 ～2012 学年第一学期 课程号： 课程名称：产品设计原理 作业题目：形态语义学在产品设计中的应用 学科专业：室内设计 学号：8114191 姓名：李倩 任课教师：张荣强 二○一一年十二月
目录 摘要 关键词 一产品语义学的概述 语义学的概念 1产品语义概念的提出 2产品语义的特征 二符号学 2.1产品语义学来源 2.2符号的概念 2.3符号的特征 2.4符号在传递信息中的作用 2.5符号对设计创新的意义 三产品语义的表达要求 四产品形态 4.1产品形态的认知 4.2产品形态的心理特征 4.3产品形态的作用 4.4产品形态的基本构成规律 4.5产品形态设计的原则和方法 4.6形态的感觉语义和知觉语义 4.7形态语义的修辞 4.8产品语义的发展现状 五中国传统文化符号在现代设计中的应用 5.1中国传统文化符号归类 5.2传统文化中提炼出符号，以符合产品的语义内涵六中国传统文化元素与现代产品设计结合方法分析七小结 参考文献
摘要：本文从产品语义学角度对产品形态设计原理进行阐释。从产品语义概念的提出，产 品语义学的来源——符号，主要分析符号在产品设计中的运用。介绍了符号的概念，符号在传递信息中的作用，符号对设计创新的意义。对于产品语义的表达要求，从产品形态的认知、作用和心理特征，产品形态设计的构成规律以及产品形态设计的原则和方法进行概括介绍。通过对产品形态的表现要素的分析，指出了这些要素存在的意义，提出了产品形态的表现要素。讲解影响产品形态设计的各个方面，分析其在产品形态设计中的作用方式，归纳产品设计形态的基本原则和方法。中国传统装饰元素符号主要从物质方面和精神方面两个层次进行分析，并结合产品设计原理，分析中国传统装饰元素符号其在产品设计中的运用。 关键词：符号产品语义设计形态传统文化 一产品语义学的概述 工业设计的最终载体是产品形态，设计活动就是通过形态反映产品的语义内涵。在这个意义上作为一位工业设计师应该重视产品语义学的研究。包括对事物的认知过程、对产品形态直观的认识、对功能和内部结构的认识，全面的了解产品取得一定的经验。 语义学的概念 1产品语义概念的提出 产品语义学是对于人造形态在它们的使用语境中的符号性质进行研究并且把这一认识运用于工业设计。它不仅考虑到物理的和生理的功能，还有心理的、社会的和文化的语境，我们称之为符号环境。 2产品语义的特征 以传播学和符号语言学为基础，是产品具有意指表达与传达等语言作用的综合系统，包括产品符号，符号意义和符号的使用者三项要素。 产品语义在物品的象征上由延水平的明示意和内涵水平的版随意。 二符号学 2.1产品语义学来源 产品语义学是设计学与符号学具体结合的产物。产品语义学强调产品语言的编码和解码及其关系，使高科技、高技术化时代具有复杂技术内涵的产品，也始终保持其解码和操作的简易性和大众化。产品语义学强调产品符号除了功能内涵外，还有必然的人性耐候，即重视产品对使用者产生的文化、精神和心理的影响，这些影响使产品具有超越功能的附加价值，而这些附加价值是通过产品的审美设计得到。设计者需要针对不同对象的不同文化、精神和
面向理解的文本情感分析研究
面向理解的文本情感分析研究 伴随着互联网的飞速发展,用户使用网络的方式悄然转变。用户 正在从单纯的信息获取者成为信息的发布者。这种转变使得大量带有个人情感的信息在网络中传播、发酵、聚集,并作用于真实社会。如 何对网络中的情感信息进行分析和理解是自然语言处理研究的重要 课题,同时,相关技术也具有广泛的应用。目前情感分析的相关研究取得了很大进展,但是依然存在一些问题:第一、在数据层面,对于面向 具体语言或领域的标注数据不足,往往影响了情感分析系统的性能。 针对这一问题,基于迁移学习的情感分析方法取得了一定的进展,但 是相关研究对于数据迁移过程中的错误累积以及由此引起的负面迁 移现象缺乏深入的研究,导致基于迁移学习的情感分析性能受到制约。第二、在语义层面,目前主流的基于表示学习的情感分析方法往往将 情感文本和情感要素作为多个孤立的研究对象,缺乏统一的计算体系 对这些对象之间的潜在语义关系进行分析和理解,影响细粒度情感分 析性能的同时,也阻碍了对文本情感理解的深入。第三、在认知层面,目前的文本情感分析研究大多数集中在对文本情感表达的分析,但对 于如何发现文本中所蕴含的情感产生原因缺乏系统地研究,阻碍了面 向理解的情感分析研究的深入。针对上述三个层面的问题,本文主要 进行了以下的研究工作:在数据层面,针对样例迁移过程中的负面迁 移问题,本文提出了一种基于高斯分布负面迁移检测的情感分析方法。该方法一方面通过基于高斯分布的类噪声估计结果对迁移过程中可 能误选的错误样本进行检测和筛选,另一方面利用类噪声估计的结果
对当前分类器进行基于近似可学习理论的性能估计,从而预估当前迁移周期之后分类器的性能变化趋势,以避免负面迁移的产生。在跨语言和跨领域情感分析数据集上的实验结果显示,基于高斯分布负面迁移检测的方法可以有效地迁移来自其他语言和领域的标注数据,有效提高了目标语言和目标领域情感分析的性能。分析显示,基于高斯分布负面迁移检测方法性能优于其他典型样例迁移方法,同时该方法可以保证分类器性能的总体上升趋势。对基于高斯分布负面迁移检测方法的理论分析显示,该方法受到稠密的数据分布以及数据先验知识要求的制约。为此,本文提出了一种基于拉德马赫和分布的类噪声估计算法。这一算法利用最大熵对噪声的先验分布进行约减,并使用拉德马赫和分布替代高斯分布进行类噪声的估计,从而规避了对稠密数据分布以及数据先验知识的要求。在此基础上,提出了一种基于类噪声估计结果的损失函数修正算法,通过理论分析证明了在训练数据足够多的前提下该算法的收敛性。在面向跨语言和跨领域的情感分析数据集上的实验结果显示,基于拉德马赫和分布的负面迁移检测方法比目前主流方法性能更为可靠,进一步提高了跨语言和跨领域情感分析的准确性与通用性。这一结果也显示在数据层面上进行迁移学习对提高文本情感分析性能的有效性。在语义层面,针对现有基于表示学习的情感分析方法往往将词语语义表示、情感持有者语义表示、情感对象语义表示作为孤立表示任务的不足,本文提出了一种面向多源异质信息的统一语义表示方法。通过构建基于共现统计信息的多源异质网络,对情感词语、情感持有者、情感对象之间的潜在关系进行基于网络结
文本情感分析：让机器读懂人类情感
文本情感分析：让机器读懂人类情感 1 引言 在大数据和人工智能的时代，机器能否拥有情感成为人们热议的话题。真正的人工智能系统不仅具有像人类的思考和推理能力，也需要也要能够感知和表达情感。MIT 的Minsky （人工智能之父）早在1985年在“The Society of Mind”中指出“问题不在于智能机器能否拥有任何情感，而在于机器实现智能时怎么能够没有情感？”。赋予机器情感分析能力引起了社会的广泛关注，研究领域也开展了很多相关的研究工作。科幻电影《她》中人工智能系统和主人公谈恋爱的故事，激发了人们对机器具有人类情感的无限想象。那么，机器是怎样理解人类情感呢？通常来讲，机器理解人类情感是一个多模态的感知过程，通过表情、行为、语言来理解情感。语言通常以文本的形式存在，本文主要是从文本的角度讨论情感分析的研究。 2 文本情感分析定义 文本情感分析（[1]，[2]）是自然语言处理研究的一个热点，是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。按照Liu[2]对情感的定义，情感表达由四个元素构成，分别是[Holder，Target，Polarity，Time]，其中文本发表的时间通常可以使用简单的规则获取，因此情感分析的目标通常是从无结构的文本中自动分析出Holder（观点持有人）、Target（评价对象）、Polarity（极性）三元素。Holder是观点的发出者；Target是该观点评价的对象（如实体或实体的属性，或者话题）；Polarity是所表达的情感类别，由于任务不同，情感类别体系会不同，通常包括褒贬、褒贬中、喜怒哀乐悲恐惊、情感打分（如1-5分）等分类体系。文本中的情感又分为显式情感及隐式情感，显式情感是指包含明显的情感词语（例如高兴、漂亮）情感文本，隐式情感是指不包含情感词语的情感文本，例如“这个桌子上面一层灰”。由于隐式情感分析难度比较大，比较依赖于背景知识及常识知识，目前许多工作集中在显示情感分析研究。 目前的情感分析研究可归纳为：情感资源构建、情感元素抽取、情感分类及情感分析应用系统，具体见图1。 图1 情感分析研究框架 3 情感分析研究任务 情感分析任务和其他自然语言处理任务一样，首先需要资源的支持，在此基础上，开展情感分析元素抽取以及文本情感分类工作，下面我们将进行简要介绍。
文本情感分析综述
随着企业信息化与互联网的发展，信息以爆炸性速度飞速增长，其中包括了大量的非结构化与半结构化数据。非结构化与半结构化数据，主要是文本型数据，阐述5w问题，即who，when，where，what，Why。如何充分利用非结构化数据与半结构化数据，分析其包含的潜在信息，拥有支持决策，成为了众多企业与研究者关注的重点。尤其，针对互联网(如博客和论坛)上大量的用户参与的、对于诸如人物、事件、产品等有价值的评论信息。这些评论信息表达了人们的各种情感色彩和情感倾向性，如喜、怒、哀、乐和批评、赞扬等。基于此，潜在的用户就可以通过浏览这些主观色彩的评论来了解大众舆论对于某一事件或产品的看法。由于越来越多的用户乐于在互联网上分享自己的观点或体验，这类评论信息迅速膨胀，仅靠人工的方法难以应对网上海量信息的收集和处理，因此迫切需要计算机帮助用户快速获取和整理这些相关评价信息。因此，如何从这些Web文本中进行情感挖掘，获取情感倾向已经成为当今商务智能领域关注的热点。情感分析(sentiment analysis)技术也就应运而生(本文中提及的情感分析，都是指文本情感分析)。 文本情感分析(sentiment analysis)，又称为意见挖掘，是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。其中，主观情感可以是他们的判断或者评价，他们的情绪状态，或者有意传递的情感信息。因此，情感分析的一个主要任务就是情感倾向性的判断，Pang等人在文献1中将情感倾向分为正面、负面和中性，即褒义、贬义和客观评价。研究初期，大量研究者都致力于针对词语和句子的倾向性判断研究，但随着互联网上大量主观性文本的出现，研究者们逐渐从简单的情感词语的分析研究过渡到更为复杂的情感句研究以及情感篇章的研究。文本情感分析主要可以归纳为3项层层递进的研究任务，即情感信息的抽取、情感信息的分类以及情感信息的检索与归纳[2]。情感信息抽取就是将无结构的情感文本转化为计算机容易识别和处理的结构化文本。情感信息分类则是利用情感信息抽取的结果将情感文本单元分为若干类别，供用户查看，如分为褒、贬、客观或者其他更细致的情感类别。情感信息检索和归纳可以看作是与用户直接交互的接口，强调检索和归纳的两项应用。 情感分析是一个新兴的研究课题，具有很大的研究价值和应用价值，正受到国内外众多研究者的青睐。目前实现情感分析的技术主要包括基于机器学习法和基于语义方法两类。本文主要针对这两大方法的研究进展进行比较分析，接着介绍国内外现有的资源建设情况，最后介绍情感分析的几个重要应用和展望它的发展趋势。 1 基于统计机器学习法 随着大规模语料库的建设和各种语言知识库的出现，基于语料库的统计机器学习方法进入自然语言处理的视野。多种机器学习方法应用到自然语言处理中并取得了良好的效果，促进了自然语言处理技术的发展。机器学习的本质是基于数据的学习（Learning from Data）。利用机器学习算法对统计语言模型进行训练，最后用训练好的分类器对新文本情感进行识别。2002年，Pang 等人就在文献[1]中提出用机器学习的方法进行情感倾向的挖掘工作，他们以互联网上的电影评论文本作为语料，采用了不同的特征选择方法，应用朴素贝叶斯（Naive Bayes）、最大熵(Maximum Entropy)、向量机(SVM)对电影评论分别进行分类，实验表明SVM 的分类性能最好，准确率达到87.5%。该研究引起学术界的关注，之后用于倾向性判断的机器学习算法的改进被陆续提出，基本的算法有：支持向量机(SVM)、朴素贝叶斯(NB)、K-近邻(KNN)、简单线性分类器(SLC)和最大熵(ME)等。他们在另一项工作中，将文本极性分类问题转换成求取句子连接图的最小分割问题，实现了一个基于minimum-cut的分类器。[7]。Whitelaw等人[11]关注研究带形容词的词组及其修饰语(如“extremely boring”或“not really verygood”)，他们提取带形容词的词组作为特征，基于这些特征，用向量空间模型表示文
产品形态语义(标准)
《产品形态语义》课程教学大纲 英文名称: Product form semantics 课程编码： 课内教学时数：56学时，其中课堂讲授56学时。 学分： 3.5学分 适用专业：工业设计 开课单位：机电工程学院 撰写人：唐蓓 审核人： 制定（或修订）时间：2017年5月 一、课程的性质和任务 产品形态语义是工业设计专业的专业理论课。本课程从设计符号的基本理论出发，对意义、传达、语境、修辞等概念进行了阐述，使学生通过学习了解并掌握新的设计思考的角度和敏锐的观察能力，使学生从感性认识提升到理性认识，并且引导以产品语义学在设计中广泛扩展思路，帮助学生提高设计的创新能力。 产品形态语义学的目的是研究产品形态创新，准确传递产品信息。产品语义由不同学科交叉糅合而成，是以产品设计为基础，结合符号学、心理学、诠释学和传播学等理论知识发展而来。课程从设计符号的基本理论出发，对意义、传达、语境、修辞等概念进行了阐述，使学生通过学习了解并掌握新的设计思考的角度和敏锐的观察能力。引导以产品语义学在设计中广泛扩展思路，帮助学生提高设计的创新能力。 本课程的主要任务是使学生通过符号的关联性和语言学中的修辞方法展开发散思维与联想，以期觅得产品预定概念和意义的最佳传达途径，并对后续的专业课程学习起辅助作用。 二、课程教学内容的基本要求、重点和难点 1、课程教学内容： 了解设计符号的理论意义、符号理论发展简史、设计符号的特性以及文化与符号之间的关系。了解产品语义学的概念、产品语义学的缘起与发展、影响产品语义理论的诸多新观念以及产品语义学对我国设计发展的价值。了解产品语义的外延意义与内涵意义，以及两者之间的关系，从而掌握产品语义的诉求层面。了解意义的来源，学习人的要素、环境的要素和生活方式的约定。进而对产品语义有一个更高层次上的理解，使学生以使用者的角度认知产品、以及了解使用者心理模型和产品语义实现的条件。了解产品使用情景语境，产理解产品的合理性说服、情感性说服以及产品语义设计程序，了解修辞在产品语义表达中的应用及价值。 2、课程教学重点：