情感資訊抽取是一種關於細粒度文字的情感分析技術，旨在抽取情感文字中有價值的情感資訊。
情感資訊抽取研究的主要問題集中在兩個方面：抽取觀點持有者（opinion holder）和抽取評價物件（opinion target）。
相對基於非監督學習的抽取方法，基於監督學習的評價物件抽取方法起步較晚。2006針對「情感表達－評價物件」序偶的抽取問題提出了一種有監督的學習方法，從乙個標註資料集中學習評價物件的候選結點，並使用序偶相關的依存路徑資訊。2010將評價物件抽取問題建模成序列標註問題，進而使用條件隨機場模型進行學習，獲得了比2006方法更佳的抽取效果。2012提出了一種基於淺層語義分析的評價物件抽取方法。該方法將情感描述單元作為謂詞，其對應的評價物件作為其語義角色，利用淺層語義分析框架將評價物件抽取問題轉化為語義角色識別問題。該方法的優勢在於充分利用了語句的句法知識，在單領域和跨領域的評價物件抽取任務上都取得了較好的識別效果。
觀點摘要或稱傾向性摘要（opinion summarization）是情感資訊抽取的另一項研究任務，其目的是幫助使用者從大量情感文字中歸納、抽取出各種觀點，以簡潔的形式提供給使用者。該任務涉及文字聚類、情感分類和情感**（sentiment prediction）、文字挖掘和自然語言處理等多種技術，屬於一項綜合性任務。
機器學習 LSTM應用之情感分析
1.概述 在情感分析的應用領域，例如判斷某一句話是positive或者是negative的案例中，咱們可以通過傳統的standard neuro network來作為解決方案，但是傳統的神經網路在應用的時候是不能獲取前後文字之間的關係的，不能獲取到整個句子的乙個整體的意思，只能通過每乙個詞的意思來最...
NLP情感分析 KNN演算法
文字情感分析是對文字中的某段已知文字的兩極性進行分類，判斷出此文字中表述的觀點是積極的 消極的 還是中性的情緒。目前的研究方法主要有兩類 一種是基於情感詞典的方法，另一種是基於機器學習的方法。前者需要用到標註好的情感詞典 英文 中文 通過情感詞的褒貶性判斷文字的情感傾向。後者是將傳統的文字分類方法如...
資訊抽取之街道抽取
從給定的語料中抽取出相應的道路資訊。資料向塘北大道西50公尺 天龍路與龍華路交叉口北50公尺 觀瀾大道490號附近 成都市錦江區海椒市街13號附7號 玉蘭西路 團結北路23號 湖塘鎮火炬北路12號 昆明市晉寧區莊蹺西路28 金水路合作路28 1號 長公大道浙江顯家門業閬中總 旁 安陽街道嶺下東路4號...