摘 要：随着社交网络的飞速发展，互联网平台时刻涌现出大量的文本信息。这些文本信息的情感分析结果对于政府部门监管、消费者决策等具有重要的意义。文本情感分析的方法目前分为基于情感词典方法、基于机器学习方法以及基于深度学习方法。本文主要介绍情感分析方法，并提出未来情感分析研究重点。

关键词：社交网络;文本;情感分析

一、前言

情感分析与观点挖掘是自然语言处理领域的一个基础任务，属于文本分析范畴。其目的是从文本中判定识别观点，挖掘分析情感倾向，抽取得出主要的观点要素。情感分析的处理对象是文本，而文本有大有小，既可以是一个完整的文档，也可以是一个句子，还可以是一个单词或短语。根据文本的这一特性，情感分析研究可以划分为3个层次，即：文档级情感分析、句子级情感分析、方面级情感分析[1]。情感分析的方法根据发展分为基于情感词典方法、基于机器学习方法以及基于深度学习方法。

二、基于情感词典的方法

传统情感分析研究方法主要是基于情感词典的研究方法，基本原理是根据经验将广泛使用的情感词进行归纳整理，当文本输入后就与词典内容进行匹配，寻找文本中与情感词典中重合的情感词，从而判断文本的情感极性。基于情感词典方法性能主要取决于情感词典的构建，这必将耗费大量的资源进行维护。

三、基于机器学习的方法

基于机器学习对文本进行情感分析的原理是人工提取文本特征后由计算机根据某种特定的算法对文本进行处理然后输出情感分类。……