本书全面介绍了文本情感分析领域的主要研究问题，包括情感词典自动构建，主客观分类，篇章、句子、属性等不同层级的情感分类，跨领域情感分类，跨语言情感分类，情绪分析理论和情绪分类，以及结合情感的文本摘要与观点检索研究等。同时，还对情感分析与观点挖掘研究领域的公开资源进行了整理与归纳。本书重在对情感分析和观点挖掘研究的主流方法和前沿进展进行概括、比较和分析，适用于该领域高校科研院所的研究参考，也可以作为企业和政府对该领域的实际应用的指导。

林政，女，副研究员。1984年10月出生，山东省人。2014年毕业于中国科学院计算技术研究所，获得博士学位，在学期间曾获得中科院计算所所长奖学金。同年就职于中国科学院信息工程研究所，主要研究兴趣包括情感分析/观点挖掘、自然语言处理和机器学习。近几年，作者在情感分析和观点挖掘方向上开展了大量的研究工作，在国内外期刊和数据挖掘领域顶级国际会议上发表和录用学术论文二十余篇。研究成果先后发表在国内计算机领域著名期刊《计算机学报》和《计算机研究与发展》、影响因子为3.73的SCI索引期刊PLOS ONE、自然语言处理领域顶级国际期刊IEEE/ACM TASLP、互联网领域的国际顶级会议ACM全球互联网年会（WWW-2015）、信息检索与知识管理领域的国际顶级会议ACM信息和知识管理年会（CIKM-2014、CIKM-2012、CIKM-2011）以及人工智能与数据挖掘、信息检索交叉的一流国际会议IEEE/WIC/ACM WebIntelligence（WI-2014、WI-2012）等。已发表论文受到了专业评审的好评，例如“The mathematics appears sound, the idea is reas

前言 文本情感分析旨在从文本中分析并挖掘作者的态度、立场、观点和看法，是自然语言处理、人工智能与认知科学等领域的重要研究方向之一。通过计算机自动进行文本情感分析的研究始于20世纪90年代，早期研究以文本情感分类为主，即把文本按照主观倾向性分成正面、负面和中性三类，其中正面类别是指文本体现出支持的、积极的、喜欢的态度和立场； 负面类别是指文本体现出反对的、消极的、厌恶的态度和立场； 中性类别是指没有偏向的态度和立场。情感分类是情感分析中开展最为广泛的一项研究，很多时候情感分类被等同于情感分析。但严格说来，情感分析的研究范畴更广，涵盖观点持有者、评价对象与情感词等情感单元的抽取，以及主客观分类、情感倾向分类、情绪分类、观点摘要、观点检索、比较观点挖掘和情感演化分析等多项不同的研究内容。 随着互联网的飞速发展，特别是Web 2.0时代的到来，网络信息传播已由单向信息发布发展为动态信息交互，用户不再仅仅是网络内容的阅读者，更成为网络内容的生产者。论坛、微博、微信、电商评论等网络交流平台不断涌现，人们越来越习惯于在网络上发表主观性的言论，以表达自己对所关注事件和政策或所购买商品与服务等的观点和看法。网络上大量用户所生成的富含情感信息的数据为情感分析提供了新的机遇。但同时，这类数据的许多独有特质也为情感分析带来新的问题。比如： 微博字符长度受限，所以内容表述非常简洁，但存在数据稀疏的问题； 用户生成数据中蕴含着大量的俚语和网络流行语等未登录词，以及哈希标签（hashtag）和表情符号（emoj）等特殊标记，而且常常存在拼写错误，这都为分析工作带来了困难。此外，社交网络中还存在着...