什么是情感分析？

尽管情感分析及其支持技术正在迅速发展，但它仍然是一个相对较新的领域。根据刘冰（2020 年）的《情感分析》，该术语自 2003 年以来才被广泛使用。2还有很多东西需要学习和完善，以下是一些最常见的缺点和挑战。

缺乏上下文

上下文是理解文本块中表达的情绪的关键组成部分，也是经常导致情感分析工具出错的一个组成部分。例如，在客户调查中，客户可能会就以下问题给出两个答案：“What did you like about our app?”第一个答案可能是“functionality”，第二个答案是“UX”。如果以另一种方式提问，例如，“What didn’t you like about our app?”，客户答案的意义就变了，但单词本身并没有改变。为了纠正这个问题，需要为算法提供客户所回答问题的原始上下文，这种耗时的策略称为预处理或后处理。

使用反讽和讽刺

无论训练水平或程度如何，软件都很难正确识别文本中的反讽和讽刺。这是因为，当某人表达反讽和讽刺时，通常是通过语气或面部表情来传达的，而他们所使用的词语没有明显的区别。例如，在分析短语“Awesome, another thousand-dollar parking ticket – just what I need”时，情感分析工具可能会因为使用“awesome”一词而错误地表达情绪的本质，并将其标记为正面评价。

否定

否定是指在句子中使用否定词来表达相反的意思。例如，这句话：“I wouldn’t say the shoes were cheap.”，它所表达的是，这双鞋可能很昂贵，或者至少价格适中，但情感分析工具可能会忽略这一微妙之处。

习惯用语

习惯用语（例如使用常见的英语短语，如“Let’s not beat around the bush”或“Break a leg”）经常会让情感分析工具及其所基于的 ML 算法混淆。当在社交媒体渠道或产品评论中使用上述人类语言短语时，情感分析工具会识别错误：例如，“break a leg”可能会被错误地识别为让人痛苦或者悲伤的事情，或者完全忽略这些词。