有研究人员通过对著名社交网站Twitter中的用户情感分析发现，采用情感分析技术获得的用户情感变化结果和采用传统的调查、投票等方法获得的结果有高度的一致性，还有研究通过Twitter用户情感分析预测股票走势、电影票房和选举结果等，均是将公众情绪与社会事件对比，发现一致性并用于预测。这些研究表明，对于用户个人在线主观评论信息的情感分析，能够比较准确有效地反映公众对评论对象的观点和看法，为各级管理方提供决策支持信息。因此，通过海量用户在线评论信息可以有效反映此类文本数据的情感分析，获得用户的情感倾向，能够为政府部门的舆情监控、企业经营策略的制定和服务质量的提高等方面提供可靠的依据。
情感分析是对文本包含的情感极性进行判断，而情感极性可以分为正面和负面两类，也可以分为正面、负面、中性三类。其中正面表示一种积极、高兴等情绪，负面则表示消极、悲观等情绪。如我们获取了三亚“天涯海角”景区的几条在线评论文本，其情感极性如下：
（1）“天涯海角真的挺美的，一点也不像他们说的就几块石头，海水很清澈，有专业婚纱拍摄基地，是拍婚纱的好地方。”
（2）“来三亚的这几天这样的享受，快乐的时光总是很短暂的，我们去的南山寺很漂亮，到处是美景，流连忘返，108米高的南海观音佛像很震撼，天涯海角中段的沙滩沙子柔软，客服金牛推荐的这个团的确是没有购物和自费，蛮好的，下次出游还选择这种方式。”(www.xing528.com)
（3）“离市区大概15公里，大部分进去的都是团客，有各种水上项目，不过收费高，里面只是看看石头，各种石头，第一次去三亚的可以去看看。”
（4）“差评，沙子脏，人多，不好玩。”
其中，景点评论（1）和（2）的情感极性为正面。评论（3）和（4）的情感极性为负面。因此，对于情感分析中的情感极性判断实际上是属于分类问题，可采用文本分类方法实现。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
