你在美团的一条评论，会引发的大数据情感分析

在美团消费后，大多数人都会对其评论，来表达自己的各种情感和情绪，比如批评、赞扬，喜、怒、哀、乐等。

这些用户评论对平台尤为重要。

比如你在美团的一条评论是这样的：“餐厅菜品齐全，口味不错，但是装修一般，位置有点偏，不好找。”，星级给的4星。

你整体的感情倾向是正向的，但是评论里面又有别的负面情绪，比如装修一般、位置有点偏。

对于消费者，美团后面可能会推荐给你装修比较好，位置好找的店。（个性化推荐）

或者在广告文案、推荐理由、Feeds内容、精选评论标签上会做更精细化的运营。

对于商家，美团会给出一些经营建议，比如选址、装修。（智能运营）

下面详细讲下情感分析和情感分析的三种常用算法，还有业界对情感分析的应用。

1、情感分析介绍

情感分析就是给出一段文本，分析出什么人，在什么时间，对什么东西的哪一方面，表达了怎样的情感。（正向/负向/中立情感倾向）

按照分析文本的颗粒度，可分为篇章/句子级情感分析、属性级情感分析、观点三元组分析。

2、篇章/句子级情感分析和应用

篇章/句子级分析就是给一段文本，根据输入的模型，计算出情感倾向。

美团的输入模型使用的是业界流行的技术方案，比如利用注意力机制获取句子中最重要的信息，然后推测出情感倾向。（这里比较偏技术，详细算法就不展开讲了）

美团的输出模型是将情感强度分为七档评分，非常负向、负向、轻微负向、中性、轻微正向、正向、强烈正向。

篇章/句子级分析应用在广告文案/个性化推荐/Feeds内容，或者商家运营策略。

看下图的推荐的Feeds内容，“实在不知道为什么那么多人都推荐说好吃”这些句子就来源于用户评论。

下面的图是商家运营情感监测场景，商家可根据评论内容来调整经营策略。

3、属性级情感分析和应用

为啥会有属性级情感分析？最开头也讲过了，在你表达一句话时，可能既包括正向情绪又包括负向情绪。

为了更精确的获取用户情感分析，属性级情感分析是必不可少的。

属性级情感分析是通过人工预定义一些属性，来提取出相应属性的情感倾向。

在对一个评论分析时，会先判断句子中是否存在指定属性，然后再把观点提取出来，再根据模型来推算出情感倾向。

美团就将餐饮行业下的属性设计为5个大类和18个子类，大类包括菜品、环境、价格、服务、位置。详细看下图（盗的图）

属性级情感分析在美团有更多的应用场景，比如精选点评、个性化推荐、智能搜索、商家运营等。

比如精选评论，可以让用户快速找到想看的评论。

4、观点三元组分析和应用

观点三元组分析和属性分析不一样的地方是，观点三元组分析的属性都是未知的。

观点三元组分析是通过抽取属性和观点，然后通过句子级情感分析来获取属性和观点对的情感倾向。

假设有一个评论：“小龙虾很入味，但是花甲不太新鲜”。

算法会先把“小龙虾”、“花甲”这些属性抽取出来，然后把“很入味“，“不新鲜”这2个观点提取出来，通过模型推测出“小龙虾很入味“是正向倾向，”花甲不新鲜“是负向倾向。

观点三元组可以打造出一个基于属性的情感观点知识库。

可应用于个性化推荐的文案，比如在美团首页，推荐的店家，可用“小龙虾很入味”这种文案描述。可帮助用户更高效的获取信息。