宋尚文，卢 超，阎红灿

（华北理工大学理学院，河北 唐山 063210）

0 引言

随着深度学习领域的发展，自然语言处理问题的解决方式也逐渐向深度学习偏移[1]。情感分析是自然语言处理中常见的场景，比如说电商、餐饮、娱乐等等产品的使用用户评价信息，对于指导产品更新迭代都具有关键性作用。

由于中英文语系的差异较大，英文的情感分析主要问题在于词性标注、词汇粒度、句法结构、词汇之间的关联关系等；中文特点很明显，在自然语言处理的过程中第一步是分词，而英文天然情况下就是存在空格的，中文分词就是一个很有挑战性的任务，除此之外，由于中华文化发展源远流长，汉字之间的关联性、省略内容填充和内容补足等方面来说都是难以进行处理的。

因此国内外在中文的情感极性分析相对于英文或者其它语言来说有更多对应的深度学习方法。如今中文的自然语言处理领域已进入了深度学习时代，大部分方法将词作为底层特征，在此特征基础上，完成了词性标注、命名实体识别和语义角色标注等多个任务，之后利用递归神经网络完成了句法分析、情感分析和句子表示等多个任务，这也为语言表示提供了新的思路。

从数据集角度分析，新闻类的数据客观性极强，较为朴素的传统机器学习方法有可能在处理其问题时保证一定的正确率的同时会具有更加突出的效率。本文选用DT（Decision Tree，决策树）和SVM（support vector machine，支持向量机）两大类分类器应用于情感极性分析中进行研究。……