基于在线评论情感分析的快递服务质量评价
《基于机器学习的评论情感分析系统设计与实现》
《基于机器学习的评论情感分析系统设计与实现》一、引言随着互联网的快速发展，用户在线上平台发表的评论数量急剧增长。
这些评论包含了大量的情感信息，对于企业或个人而言，如何有效地获取并分析这些情感信息成为了一个重要的问题。
因此，基于机器学习的评论情感分析系统应运而生。
本文将详细介绍基于机器学习的评论情感分析系统的设计与实现。
二、系统设计1. 系统架构本系统采用分层设计的思想，将系统分为数据预处理层、特征提取层、模型训练层和结果输出层。
其中，数据预处理层负责对原始评论数据进行清洗和标注；特征提取层利用文本处理方法提取出评论中的特征；模型训练层则采用机器学习算法对提取出的特征进行训练，以构建情感分析模型；结果输出层将模型对评论的情感分析结果进行展示。
2. 数据预处理数据预处理是情感分析的基础，主要包括数据清洗和标注两个步骤。
数据清洗主要是去除无效、重复和无关的评论数据，同时对数据进行格式化和标准化处理。
标注则是为每条评论打上情感标签，以便后续的特征提取和模型训练。
3. 特征提取特征提取是情感分析的关键步骤，主要采用文本处理方法。
首先，通过分词、去除停用词等操作将评论转换为词向量；然后，利用TF-IDF、Word2Vec等算法提取出评论中的关键特征；最后，将提取出的特征输入到模型训练层。
4. 模型训练模型训练是情感分析的核心，主要采用机器学习算法。
本系统采用深度学习中的循环神经网络（RNN）和卷积神经网络（CNN）进行情感分析。
在模型训练过程中，通过不断调整模型参数，使模型对评论的情感分析结果更加准确。
三、系统实现1. 技术选型本系统采用Python作为开发语言，利用Python中的NumPy、Pandas等库进行数据处理和特征提取；采用TensorFlow、PyTorch等深度学习框架进行模型训练和推理；使用Flask等Web 框架进行系统部署和用户交互。
2. 具体实现步骤（1）数据收集与预处理：从各大平台上收集用户评论数据，并进行清洗、格式化和标准化处理，同时为每条评论打上情感标签。
在线旅游平台中的用户评论情感分析
在线旅游平台中的用户评论情感分析在当今数字化时代，越来越多的消费者选择在在线旅游平台上进行旅行预订。
用户评论作为旅游平台上重要的信息来源之一，对其他用户的决策起着至关重要的作用。
因此，对这些用户评论进行情感分析，能够帮助平台提供更好的服务，同时满足用户的需求。
情感分析是一种通过自然语言处理（NLP）和机器学习技术，从文本信息中识别和理解情感和观点的方法。
在在线旅游平台中，用户评论的情感分析可以分为三个主要方面：正面评论、负面评论和中立评论。
首先，我们来讨论正面评论。
正面评论通常包含对旅游服务的赞美、高度评价、满意度等等。
通过对这些评论进行情感分析，平台可以了解哪些方面的服务受到用户的高度认可，进而加强和保持这些优势。
例如，用户可能表达了对酒店的礼貌和热情服务表示满意，并将这一点作为他们选择该酒店的原因之一。
平台可以通过这些正面评论中的关键词和短语，提高酒店服务人员的培训和素质，以便给更多的用户提供出色的体验。
与之相反的是负面评论。
负面评论通常表达了对旅游服务的不满意和抱怨。
对于平台来说，及时识别、分析和解决这些问题是至关重要的。
通过情感分析技术，平台可以快速识别出负面评论，并对用户提出的不满意进行回应和改进。
例如，用户可能抱怨酒店房间的卫生条件不佳或者餐厅服务态度不友好。
平台可以通过这些负面评论，及时对相关问题进行改进，提高服务质量，以便留住现有客户并吸引更多的潜在客户。
除了正面和负面评论，还有一类中立评论。
中立评论可能是对旅游服务中普通经历的描述，既没有积极的评价也没有消极的评价。
对于平台来说，中立评论也具有一定的价值。
首先，这些评论可以提供给其他用户一个更全面的了解，帮助他们做出客观的决策。
其次，通过对中立评论的情感分析，平台可以发现用户对旅游服务的一些普遍问题，并在今后的服务中进行改进。
例如，多个用户可能提到酒店的Wi-Fi信号不稳定，这提示平台应该重视这一问题并采取相应措施。
然而，在进行用户评论情感分析时，也需要注意一些挑战和限制。
如何利用数据分析提高售后服务质量
如何利用数据分析提高售后服务质量随着消费需求的不断提高，售后服务的重要性也逐渐得到了人们的认识和重视。
不仅是传统的维修售后服务，现在用户对于一些新兴行业的售后服务也有了更高的要求，例如电商领域中的快递配送、退换货等。
如何提高售后服务质量，已经成为企业们必须要关注和解决的问题。
而数据分析，作为数字化时代的核心能力之一，更是能够为售后服务提质增效提供有力的支撑。
一、基于用户需求洞察的售后服务数据分析最重要的应用之一，就是通过对用户数据和行为数据的挖掘和分析，发掘用户需求和痛点，从而为售后服务提供有针对性的解决方案。
例如，电商平台往往有着成千上万的产品，售后服务的种类也非常多，如果企业不能根据用户需求和痛点进行有针对性的服务，那么售后服务难免会流于形式。
而基于数据分析，企业可以挖掘出用户在售后服务中反馈的低效、痛点和需求等数据，优化售后服务流程，实现减少附件成本的同时，提高用户满意度。
二、基于人工智能的售后服务人工智能目前已经在售后服务领域得到了广泛的应用，例如：通过机器学习算法，为用户提供智能化的客服服务；通过自然语言处理技术，实现语音留言、聊天等不同形式的售后服务。
通过数据分析，企业更能够利用人工智能技术，为售后服务提供更好的支持。
例如，通过大数据分析得出平台某个时段超越规定时间未处理的问题较多，那么可以通过人工智能技术对相关处理服务做出应答优化，提升用户体验。
三、复制率的考量数据分析技术也可以通过识别售后服务中的问题和瓶颈，发现复制率的问题，进行根本性的解决。
在电商领域中，用户退换货的情况时有发生，而背后往往是平台的商品描述不清晰，或者（售后服务部门）在配送和质量检查中出现了问题。
只有通过对售后服务中出现的问题进行数据分析，并及时进行纠正，才能真正提高售后服务复制率，从而提升竞争力。
四、基于情感分析的售后服务情感分析通过数据分析技术挖掘用户情感，帮助企业了解用户的感受和评价，从而得到用户的满意度。
基于文本挖掘的网络商品评论情感分析
二、基于文本挖掘的商品评论情 感分析的流程
1、数据预处理：这一步骤主要包括去除无关字符、标点符号和停用词，将 文本转化为小写字母，分词等操作。此外，还需要进行数据清洗，以消除或修正 错误的数据。
2、特征提取：通过词袋模型（Bag of Words）、TF-IDF、词嵌入（Word Embedding）等方法，提取出评论中的关键词和语义信息。
文本挖掘技术是一种从大量文本数据中提取有用信息的技本次演示将首先简 要介绍文本挖掘技术在电商评论中的应用。术，包括文本分类、文本聚类、情感 分析和文本摘要等。在电商评论领域，文本挖掘技术可以用于分析用户的购买体 验、产品特点以及服务水平等方面。情感分析作为文本挖掘的一个重要分支，可 以帮助我们更好地理解用户的情感倾向和意见观点。
接下来，我们将通过一个具体的案例来展示情感分析在电商评论中的应用。 假设我们选取了一个智能音箱作为分析对象，该智能音箱在电商平台上有大量的 用户评论数据。首先，我们可以通过文本预处理技术，将这些评论数据进行清洗 和预处理，例如去除无关字符、停用词等。然后，我们使用情感分析技术对这些 评论进行分类和归纳。通过这种方法，我们可以提取出用户对该智能音箱的关键 观点和结论，如音质如何、操作是否方便等。
随着互联网技术的发展和大数据时代的到来，文本挖掘技术在电商评论中的 应用将越来越广泛。未来，我们可以期待看到更多的创新和改变，例如更加智能 化的推荐系统、更加精准的营销策略以及更加完善的产品设计等。而这些改变和 创新都离不开文本挖掘技术的支持和发展。
谢谢观看
而对于负面情感的评论，例如：“我购买的这款耳机漏音严重，完全无法在 嘈杂的环境中使用。而且，连接速度也特别慢。”在这段评论中，作者表达了对 耳机漏音和连接速度的不满，这是负面情感的表现。
用户评论情感分析报告了解用户对产品的态度
用户评论情感分析报告了解用户对产品的态度用户评论情感分析报告随着互联网的发展，用户评论已经成为人们了解产品和服务质量的一个重要途径。
通过分析用户评论的情感，可以更加准确地了解用户对产品的态度和满意度。
本报告将通过情感分析的方法，对用户评论进行分析，以期帮助企业了解用户对产品的态度，并基于分析结果提出相应的改进建议。
一、数据收集与整理为了进行用户评论的情感分析，首先需要从各种渠道收集大量用户评论数据。
这些渠道可以包括产品官方网站、社交媒体平台以及在线购物平台等。
通过爬虫技术可以有效地获取这些数据。
接下来，我们将对收集到的数据进行整理和清洗，去掉重复、无效和不相关的评论，以确保分析结果的准确性和可信度。
二、情感分析方法情感分析是一种自然语言处理技术，旨在识别和提取文本中的情感倾向。
主要有基于规则的情感分析和机器学习的情感分析两种方法。
1. 基于规则的情感分析基于规则的情感分析主要是通过构建一系列规则来判断文本中的情感倾向。
这些规则可以包括词典、语法规则、逻辑规则等。
通过对用户评论中的关键词进行情感打分和情感关键词匹配，可以初步判断用户的态度是积极还是消极。
2. 机器学习的情感分析机器学习的情感分析通过训练一个模型来进行情感识别。
它会根据已标注的数据集学习识别情感的模式和规律，从而对新的文本进行情感分类。
常用的机器学习算法包括朴素贝叶斯、支持向量机和深度学习等。
三、情感分析结果经过对用户评论数据的情感分析，我们得出了以下结果：1. 积极态度用户评论占比：60%经过情感分析，有60%的用户评论表达了积极的态度。
这些用户对产品的质量、功能和服务等方面给予了正面的评价，认为产品性能出色、使用方便，并且服务态度友好。
2. 中立态度用户评论占比：25%约有25%的用户评论表达了中立的态度。
这些用户对产品既没有过多的赞扬，也没有过多的批评，对产品的态度保持中等水平。
3. 消极态度用户评论占比：15%约有15%的用户评论表达了消极的态度。
基于文本挖掘的评论情感分析方法研究
基于文本挖掘的评论情感分析方法研究一、文本挖掘文本挖掘是对文本中的信息进行自动抽取、分类、聚类、分析和总结的一种技术。
它主要涉及到自然语言处理、统计学、机器学习等领域的知识。
文本挖掘的主要应用包括舆情分析、情感分析、信息提取、文本分类等。
它可以帮助企业了解用户需求、产品优化和品牌形象塑造等方面进行决策。
二、评论情感分析评论情感分析是将自然语言处理技术与情感计算相结合的一种应用。
它可以帮助企业了解用户对产品或服务的评价，对用户体验进行分析和优化。
评论情感分析主要通过对文本进行自动分析，确定文本的情感属性（如积极、消极、中性等），从而对文本进行分类。
评论情感分析可以分为两种类型：情感分类和情感挖掘。
情感分类主要是将文本分为积极、消极和中性文本，而情感挖掘则更深入地分析文本情感表达的原因和目的。
三、基于文本挖掘的评论情感分析方法1、语义分析法语义分析法主要利用自然语言处理和文本挖掘技术，将文本处理成结构化的数据。
通过分析词汇、句法结构、语义关系等因素来确定情感类别，从而进行情感分类和情感挖掘。
2、情感词典法情感词典法主要基于一系列预设的情感词汇表，将文本中的情感单词与词汇表进行匹配，从而确定情感类别。
其中积极词汇和消极词汇的权值不一样，可以通过权值进行情感倾向的计算。
3、机器学习法机器学习法主要通过对大量训练数据进行学习和建模，从而确定文本的情感类别。
它包括决策树、支持向量机、朴素贝叶斯等多种算法。
机器学习法可以通过人工标注的训练数据和自动化的特征提取来进行训练，得到高准确率的情感分类模型。
四、评论情感分析的应用评论情感分析可以应用于电商、社交网络、网络游戏、在线客服等多个领域。
例如，电商企业可以通过评论情感分析技术了解用户对商品的评价和需求，及时调整产品策略，提高销售额度和用户体验。
在社交网络领域中，企业可以通过评论情感分析技术了解用户对话题或事件的看法和态度，为信息传播和用户引导提供参考。
五、结论评论情感分析技术应用广泛，可以帮助企业深入了解用户需求和行为，从而优化产品和服务，提高企业竞争力。
基于商品评论的客户满意度分析以京东手机类评价数据为例
三、应用与建议
4、优化产品分类：通过对主题模型的分析，我们可以了解到客户对手机的不 同方面有不同的程度。电商平台可以根据客户的不同需求，优化产品分类和页面 布局，使客户在购物时能够更方便地找到自己需要的产品。
参考内容
内容摘要
随着电子商务的飞速发展，商品评价信息越来越成为消费者和企业的重要参 考指标。中文情感分析技术在此领域的应用也日益广泛。本次演示以手机评价数 据为例，探讨商品评价信息的中文情感分析。
二、客户满意度分析
1、情感分析
1、情感分析
通过情感分析技术，我们可以了解客户对手机的评价是积极还是消极。这可 以通过计算评论中正面词汇和负面词汇的数量来实现。如果正面词汇的数量多于 负面词汇，那么客户的满意度就可能较高。
2、主题模型
2、主题模型
主题模型可以用于分析客户评论中涉及的主要方面。例如，客户可能会对手 机的外观设计、性能配置、拍照能力等方面进行评价。通过主题模型，我们可以 提取出评论中涉及这些方面的关键词，进而了解客户对哪些方面最为。
三、结论
三、结论
以手机评价数据为例，中文情感分析技术在商品评价信息处理中具有广泛的 应用前景。通过对评价数据的情感极性分类、情感词典构建、情感深度分析、评 价趋势预测和竞品对比分析等方面的应用，可以为消费者和企业提供更加全面、 准确的参考信息
三、结论
。然而，中文情感分析技术在实际应用中仍存在一些挑战，如情感词典的覆 盖面和准确性、跨领域适应等问题。未来研究可以进一步探讨如何提高中文情感 分析技术在商品评价信息处理中的性能表现，以满足不同领域的需求。
文本挖掘是一种从大量非结构化文本数据中提取有价值信息的技术。它包括 了一系列的处理过程，如文本预处理、特征提取、模式识别、结果表达和解释等。 文本挖掘技术的应用范围广泛，如情感分析、主题识别、趋势预测等。
电子商务中的在线评论分析
电子商务中的在线评论分析在当今数字化的时代，电子商务已经成为了人们购物的主要方式之一。
随着人们购物方式的改变，网上商家越来越重视客户的评论和评价，这不仅可以帮助他们了解用户的需求和偏好，还能提高产品和服务的质量。
因此，在线评论分析对于电子商务来说具有重要的意义。
本文将从在线评论分析的背景、方法和应用几个方面进行论述。
一、背景随着互联网的普及，越来越多的用户愿意在购买产品或服务后留下评论。
这些评论包含了用户对产品质量、配送服务、售后服务等方面的评价和意见。
通过有效地分析这些评论，企业可以了解用户对产品的满意度和不满意度，发现产品设计和服务上的问题，并及时采取相应的措施改进。
同时，对于其他用户来说，这些评论也是决策购买的参考依据。
因此，通过分析在线评论，可以为企业和消费者提供有价值的信息和参考意见。
二、方法1. 文本挖掘文本挖掘是一种从大规模的文本数据中提取有用信息的技术。
在在线评论分析中，文本挖掘可以帮助我们从评论中提取关键词、情感倾向、主题等信息。
例如，可以通过挖掘评论中的关键词来了解用户对产品的评价，比如产品的质量、价格、外观等。
同时，通过情感分析，可以判断用户对产品的态度是积极还是消极，从而评估用户的满意度。
此外，还可以通过主题模型等方法对评论进行进一步的分析，了解用户关注的内容和热点问题。
2. 机器学习机器学习是一种利用计算机算法从数据中学习模式和规律的方法。
在在线评论分析中，机器学习可以帮助我们建立分类模型，将评论分为积极和消极的两类。
通过训练算法，使得模型能根据评论的特征自动判断其情感倾向。
此外，还可以利用机器学习的方法进行评论的情感打分，从而更加精确地评估用户的满意度。
机器学习的方法可以提高分析效率，避免了人工处理大量评论数据的繁琐和耗时。
三、应用1. 产品改进通过分析在线评论，企业可以了解用户对产品的评价和意见，发现产品质量和性能等方面的问题，并及时采取相应的改进措施。
例如，如果多数用户都对产品的质量抱怨较多，企业可以通过改进供应链管理，提高产品的质量控制和配送服务等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第43卷第3期 2017年3月北京工业大学学报JOURNAL OF BEIJING UNIVERSITY OF TECHNOLOGYVol.43 No.3 Mar. 2017
基于在线评论情感分析的快递服务质量评价王洪伟\宋媛\杜战其u，郑丽娟3,华瑾4,张艺伟1(1.同济大学经济与管理学院，上海200092 ; 2.上海海洋大学工程学院，上海201306;3.聊城大学商学院，山东聊城252000;4.上海通用汽车销售有限公司，上海201206)
摘要：由于问卷调查分析法受访者少，问卷质量也低，为此，以海量的在线消费者评论为数据，采用情感分析技 术，提出一种快递服务质量评价方法.选取大众点评网上SF和ST两家快递企业的评论语料为例进行实验分析，首 先，应用服务质量测评模型SERVQUAL量表和物流服务质量评价的相关理论，结合文本分析方法，建立一套基于 在线评论情感分析的快递服务质量评价指标体系;其次，对评论语料进行抓取、分句、标识等预处理，比较不同特征 选择算法在不同分类算法下的查全率与查准率，最终以信息增益和支持向量机作为最佳组合，抽取614个特征项 用于有用性文本的识别;然后，基于HowNet的语义相似度极性计算方法和副词量级划分方法对在线评论进行情感 极性和强度分析;最后，应用TF-IDF法，结合评论文本确定评价指标的权重，对快递企业服务质量计算综合评价得 分.与大众点评网的星级评分进行对比，实验结果表明:该方法与现有方法相比，能够直观地比较SF和ST两家快 递企业在快递服务质量各项评价指标上的差异，并且两者的得分趋势相吻合.
关键词：在线评论；情感分析；快递服务；质量评价中图分类号：U461; TP308 文献标志码：A 文章编号：0254 -0037(2017)03 -0402 -11
doi： 10.11936/bjutxb2016010063
Evaluation of Service Quality for Express Industry Through Sentiment Analysis of Online Reviews
WANG Hongwei1，SONG Yuan1，DU Zhanqi1，2，ZHENG Lijuan3，HUA Jin4，ZHANG Yiwei1(1. School of Economics and Management，Tongji University，Shanghai 200092，China;2. College of Engineering，Shanghai Ocean University，Shanghai 201306，China;3. School of Business，University of Liaocheng，Liaocheng 252000，Shandong，China;4. Saic General Motors Sales Co.，Ltd.，Shanghai 201206，China)
Abstract ： The evaluation method based on questionnaire survey has limited respondents with low quality，
therefore，an evaluation method of express service quality was put forward in this paper through sentiment
analysis of massive online reviews by selecting online reviews of express companies SF and ST from dianping. com for experiment analysis. First，the SERVQUAL model of service quality evaluation and the related theory of quality evaluation of logistics service was applied combined with text analysis， to establish an index system of quality evaluation of express service through sentiment analysis. Then online reviews such as capturing， phrasing and marking were preprocessed， and the recall ratio and precision ratio under different feature selection algorithm and different classification algorithm were compared. 614 features were extracted and the useful text were identified by choose IG and SVM as the best combination.
收稿日期：2016-01-27基金项目：国家自然科学基金资助项目（71371144,71601082);上海市哲学社会科学规划课题资助项目（2013BGL004)
作者简介：王洪伟（1973—），男，教授，博士生导师，主要从事商务智能与情感计算方面的研究，E-mail:hwwang@tongji.edu. cn第3期王洪伟，等：基于在线评论情感分析的快递服务质量评价403
Furthermore， the polarity analysis and strength analysis of online reviews were conducted based on semantic similarity calculation of HowNet and adverb classification method. Finally, TF-IDF with the weight of evaluation index was applied to evaluate the express service quality. Compared with the rating scores from dianping. com, the experimental results indicate that the proposed method can effectively and better compare differences between SF and ST in each express service quality index. Besides, the general evaluation scores are in alignment with dianping. com.Key words: online reviews; sentiment analysis; express service; quality evaluation
近年来，电商的火爆带动了快递行业的井喷式 发展.目前，全国持有快递业务经营许可证的企业 超过8 000家，跨省经营快递业务的网络型企业52 家.与此同时，快递服务良莠不齐.根据2014年3 月新华网举办的“电子商务与快递服务协同发展”
访谈，快递企业服务质量较差，快递丢失时有发生, 仅2014年国家邮政管理部门收到快递服务的申诉 数量就不下20万件.低端的服务质量不仅损害消 费者的利益，还会造成客户资源的流失，严重影响企 业的经济效益[14].因此，改进服务、提升质量，是快 递企业获取竞争优势的关键.通常，采用问卷调查的方式收集消费者意见，据 此评价快递服务质量.但这种方式存在以下不足:1)耗时费力[5].在线调查或纸笔测验耗费大量人 力，且收回周期较长.2)信息质量低.消费者大多 被动地填写问卷，受访者的参与性及问卷的复杂性 影响信息采集的质量[6].因此，有必要探讨一种新 的方法挖掘消费者意见.随着社交媒体的兴起，消 费者乐于在线发表自己的看法[7].通常，这是一种 主动行为,具有真实性和及时性，面对海量的在线评 论，利用文本挖掘技术，分析用户对快递服务的评 论，将有助于评价快递服务的质量.
1相关工作1.1快递服务质量
服务质量是影响顾客满意度的主要因素，而顾 客满意又是企业维持老顾客、保持竞争优势的基石. 因此，对于物流企业和快递企业来说,服务质量至关重要.服务质量评价方法有：SERVQUAL ( service
quality)量表[8]和 SERVPERF( service performance)
量表[9]. SERVQUAL的核心是服务质量差距模型， 即服务质量取决于用户所感知的服务水平与用户所 期望的服务水平之间的差别程度.该量表包含5个 维度共22个题项，每一维度的服务质量评分值=顾 客实际感受-顾客期望，因此SERVQUAL量表又被
称为“期望-感知”模型.1992年,Cronin等[9]鉴于 SERVQUAL过程中存在概念性和测量性问题，提出 SERVPERF. SERVQUAL 和 SERVPERF 的争论焦点 在于,前者运用“感知”减“期望”作为测量服务质量 的方法，而后者将“期望”从公式中剔除，仅保留服 务绩效感知作为服务质量得分的测算.快递服务质量（express service quality，ESQ)是 物流服务质量的延伸.关于快递服务质量的评价， 主要是基于SERVQUAL和物流服务质量（logistics
service quality，LSQ)评价方法[10]的再设计.孙军华
等[11]基于SERVQUAL量表，构建了中国快递服务 质量评价体系的24个指标；闫景民[12]在 SERVQUAL模型的基础上，增加了补救性维度，总 结为6维度27指标;Zhuo等[13]根据快递业的服务 特性，对SERVQUAL模型进行改进，保留了移情性、 有形性和保证性3个维度，同时将可靠性与响应性 合并为时效性维度,并新增安全性维度;Yu等[14]针 对电商网购环境特点，参考SERVQUAL，设计了包 含25个指标的快递企业服务质量量表.1. 2情感分析
情感分析（sentiment analysis)综合了自然语言 处理、机器学习、文本挖掘、信息抽取与检索、概率统 计等多个学科，是一种对网络用户生成的带有情感 色彩的主观性内容进行提取、分析、处理、归纳和推 理的技术;通过自动分析某种产品/服务评论的文本 内容,发现消费者对该产品/服务的态度和意见，对 文本的情感倾向（褒/贬、好/恶、支持/反对等）做出 定性判断，并对情感倾向性的强度做出分析[15].按照研究对象粒度的不同，情感分析分为篇章 级、句子级和词语级3个层次.其中，篇章级情感分 析首先对文档进行预处理（包括分词和词性标注）， 然后选取文本情感特征，接着筛选特征项并赋予权 重,并将带权重的文本特征输入分类器，从而得到文 档的情感极性[16鄄19].句子级情感分析通过判断词语 的情感极性，或者利用与篇章级情感分析类似的机 器学习方法，先对篇章中的句子进行情感分析，再整