情感分析包括一系列的复杂处理过程中，主要包括分句、分词、语义相似度计算、语义倾向计算、情感补偿和评论情感倾向计算六个步骤，下面是每个步骤的详细描述。
(1)分句
根据标点符号分句，包括“，”、“；”和“。”号。
(2)分词
采用汉语词法分析系统ICTCLAS，其主要功能包括中文分词，命名实体识别，词性标注，新词识别，同时支持用户自定义词典。
(3)语义相似度计算
对于w1和w2两个词语，记Sim(w1，w2)为其相似度，Dis(w1，w2)为词语语义距离，则和Sim(w1，w2)和Dis(w1，w2)存在下列对应关系：Dis(w1，w2)和Sim(w1，w2)成反向关系，即Dis(w1，w2)越大，则Sim(w1，w2)越小：为0时，Sim(w1，w2)为1，表示两个词语完全相似；当Dis(w1，w2)为无穷大时，Sim(w1，w2)为0，表示两个词语完全不相似或不相关。
两者之间的对应关系如公式所示：
其中，α为调节因子。
由于词汇相似度计算方法在区分词的情感倾向上还不理想，因此江敏等提出了一个新的相似度计算方法，考虑了词在概念树中的层次，认为两个词虽然距离相同，但是如果位于的层次越深，相似度越大，具体如下：
其中w1，w2表示两个概念，depth(w1)表示w1距离根节点的层次，Dis(w1，w2)表示它们的路径长度，α是一个调节参数，表示深度对相似度计算影响的大小。(www.xing528.com)
(4)语义倾向性计算
确定了计算词汇之间的相似度的方法后，对于任意一个词即可根据该词与两组基准词的语义关系紧密程度，通过计算得到语义倾向性度量值。两组基准词由人工选取，每个词都有明确的倾向性，一组表达正面情感，一组表达负面情感。下列公式的结果可作为一个倾向性度量，其中seed1表示正面基准词组，seed2表示负面基准词组，两组基准词的个数分别为n，m：
如果结果为正，则表示该词为褒义，如果结果为负，则表示该词为贬义。
(5)情感补偿
构建修辞辞典，根据修饰词语气强度对语义倾向性计算结构进行补偿：
其中
和
分别表示修饰词1和修饰词2的语义强度。
(6)评论情感倾向计算
一条评论被分为sen1，sen2，…，senk个句子，首先对每个句子计算其情感倾向：
然后计算整个评论的情感倾向：
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
