目錄：
1. 定義
2. 線上社交網路情感極性分析技術
一．定義
線上社交網路情感極性分析 ，又稱為線上社交網路情感傾向性分析，指在社交網路環境下，抽取觀點持有者對評價對象的情感傾向性，一般用三元分類(如正面、中立、負面)或數值評分(1到5分)進行表示。線上社交網路情感極性分析，很大一部分是源於文本情感的極性分析，往往需要建立情感本體，如Yan等利用HowNet建立了情感本體，包含5500個動詞和113種不同的情感類別 。
二．線上社交網路情感極性分析技術
線上社交網路情感分析的技術包括粗粒度情感極性分類技術和細粒度情感分類技術。
粗粒度情感分類技術重要用於判斷文本整體的情感傾向，主要方法包括基於傳統文本分類的方法、基於褒貶辭彙的統計方法、基於回歸模型與序列標註的方法，還有一些採用多種方法混合的方式進行。文本分類常用的分類器包括支持向量機(SVM)、最大熵(ME)、樸素貝葉斯(NB)。
細粒度情感極性分析技術，主要注重的是從社交網路文本中識別產品和服務的屬性，並判斷不同個體對於不同屬性的情感極性。在實踐中，細粒度情感極性分類對於顧客最佳化購買決策，或者企業改進產品都具有重要指導意義，研究工作主要集中在主題詞和情感詞的提取上。主題詞提取指與產品有關的顯示屬性與隱式屬性 。顯示屬性指在產品評論中直接描述出產品的功能或者性能的名詞或名詞性短語。隱式屬性指沒有直接在語句中描述，而是根據上下文語境才能夠獲得。Kobayashi等建立了汽車和旅遊的產品屬性，每個屬性用三元組<Subject,Attribute,Value>表示，其中Subject表示產品，Attribute表示屬性，Value表示用戶對屬性的觀點，再以人工的上式進行標註 。情感詞提取是採用一定的方法(人工標註、機器學習等)提取句子中帶有感情傾向的辭彙。Tong手工建立了針對電影的評論情感詞典 。王素格等 利用已有的五種資源，構建了中文情感詞詞典。Hu 假定屬性與情感詞在評論的句子中會一起出現，基於關聯規則算法找出高頻出現的名詞作為產品屬性，取屬性附近的形容詞作為該屬性的情感詞。
