情感分析最经典的 NLP 任务。关于传统文本分类你需要知道的大部分内容都体现在这里。类型：构建语言：Python前置条件：Phase 5 · 02（BoW + TF-IDF），Phase 2 · 14（朴素贝叶斯）用时：~75 分钟问题所在“食物不怎么样。” 正面还是负面？情感分析听起来很简单。评论者说喜欢或不喜欢某个东西。给句子打个标签。它之所以成为最经典的 NLP 任务，是因为每个看起来简单的用例背后都藏着一个困难用例。否定词会翻转含义。反讽会颠倒语义。“一点也不差” 是正面的，尽管包含两个带负面色彩的词。表情符号比周围文本携带更多信号。领域词汇很重要（音乐评论中的tight与时尚评论中的tight含义完全不同）。情感分析是传统 NLP 的实验场。如果你理解了为什么每个朴素基线都有特定的失败模式，你就理解了为什么每种更丰富的模型被发明出来。本课程从零构建一个朴素贝叶斯基线，加入逻辑回归，并指出使生产环境情感分析成为合规级问题的那些陷阱。核心概念传统情感分析是一个两步方案。表示。将文本转换为特征向量。BoW、TF-IDF 或 n-gram。