基於語義特徵的情感分析先人已有研究，可以通過情感詞典匹配來做，但是應用機器學習在這方面會使精確度更高些。
以本人蔘與的一個專案為主，總結下相關技術點。
背景是：分析使用者評論感情色彩是積極還是消極，即是褒還是貶。

具體步驟為：
1.有監督的人工給文字標註類標籤。如有5000條評論資料，我們給其中的1000條標為積極的，再選1000條標為消極的，積極和消極就是所謂的類標籤。
2.選擇特徵。從積極的評論資料中按詞來選擇積極的所有特徵。同理，從消極的評論資料中按詞來選擇消極的所有特徵。如“這款遊戲非常好玩”->”這款”->“遊戲”->”非常”->”好玩”，分為四個特徵詞，也可以採用雙詞搭配，“這個遊戲”和“非常好玩”作為特徵。
3.特徵降維，減少特徵的數量。如上“這個遊戲非常好玩”中的“這個遊戲”沒有必要作為特徵，因為“好玩”或“非常好玩”已經決定了評論是積極的。
4.將語料文字變成使用特徵表示。
5.統計所有特徵出現的次數，並按倒序排序。
6.從以上結果中選出排序最靠前的一些特徵作為最終的評判特徵。
7.使用訓練資料根據特徵訓練分類演算法，得到分類器。
8.用測試資料檢測分類器的準確度。
我們將資料分為兩部分：開發集、測試集。用開發集的資料訓練分類演算法得到分類器；再用分類器對測試集裡的資料進行分類，給出分類預測得到的標籤；對比分類標籤和人工標註得到的標籤的差異，計算出準確度。