微博情感分析研究现状-现状微博情感研究分析报告

现在连发个微博都得让机器来把你的情绪给分析一遍，这世道矫情都得让AI给识破。2012年NLP和CC评测的数据显示，机器识别微博观点的准确度已经把人给比下去了，以后咱们得先过算法这一关再发牢骚。

中文微博的三大难题

微博这东西，分分钟就能产出上万条新鲜东西，要人工去盯着，那简直就像用吸管去喝太平洋的水。专家们发现，难点主要在三个地方：得先分出哪些句子是在发表观点，然后还得判断这观点是夸还是骂，最后还得找出具体是夸啥骂啥。比如说，"这家火锅店服务真差"这句话，机器得先识别出这是在发表观点，然后判断出是负面情绪，还得精确地指出是在吐槽"服务"这块儿。

新词识别有多难

网上的新词更新速度，比女友换脸还快，那些“绝绝子”、“yyds”之类的，老词库都追不上趟。一群研究的小伙伴弄了个多级词库，用频率统计抓新词。他们发现，“蚌埠住了”这类词在微博上出现的频率像坐火箭一样飙升，可“芜湖起飞”就短暂闪现了一下。看样子，网络流行语也是有保质期的。

观点句识别玄学

感叹号虽常见，却未必全在陈述看法。"说今天天气真好"，这算观点，可"iPhone13要发布了"这就不一样了。算法这东西，得靠分析词儿和它们评价的对象啥的来辨别人家啥意思，好比"演技炸裂"这俩词儿一起出现，多半是在夸演员。可要是碰上"这操作真下饭"这种阴阳怪气的，机器有时候也得懵圈。

情感分类黑科技

专家们弄了个LDA-Collocation模型，说白了就是研究词语怎么摆。好比“价格公道”和“良心被狗咬”，俩词都有“良心”，但感觉差远了。吉布斯抽样能抓到这小细节，可碰上“这操作大气层”这种搞笑话，机器就得蒙圈了。

要素抽取的优先级

这算法，为了找茬吐槽，给依存模式排了个六档优先级。像“客服态度差劲”这种，比“被客服气得半死”好分析多了。可碰上“建议把书名改为《重生之我在美团送外卖》”这种高级黑，就算规则再复杂，也招架不住。

实战检验结果

这NLP&CC2012比拼里，咱这系统在观点识别上排第二，要素提取那F值也第二。有意思的是，这东西处理速度比人快了200倍，可要是碰上“地铁老人看手机.jpg”这种纯图微博，直接就蔫了。想完全取代人工，机器还得加把劲，再修炼几年。

这事挺逗的：要是你发现发个微博都得让AI给你来个情感分析，你是打算低调点还是故意来点暗语，逗逗那个算法玩儿？