情感分析 挖掘观点、情感和情绪(原书第2版)

这本书可以作为情感分析领域的入门读物和研究概览。主要从自然语言处理的角度全面地介绍情感分析这个主题的研究技术和实用算法，以帮助读者了解通常用于表达观点和情感的问题和语言结构的基本结构。它涵盖了情感分析的所有核心领域，包括许多新兴的主题，如辩论分析、意图挖掘、假民意检测，并提出了可用来分析和总结观点的计算方法。

刘兵（Bing Liu）美国伊利诺伊大学芝加哥分校（UIC）计算机科学系教授，获爱丁堡大学获得人工智能博士学位。他是ACM Fellow、AAAI Fellow、IEEE Fellow，曾担任ACM SIGKDD主席（7/1/2013 - 6/30/2017）。刘兵教授两次获得KDD十年Test-of-time论文奖，出版多部专著，是数据挖掘、机器学习、情感分析领域最有影响力的学者之一。主要研究领域包括情感分析和观点挖掘、数据挖掘、机器学习、自然语言处理等。 刘兵教授目前是ACM Transactions on the Web等五个国际期刊的副主编，曾经担任ICDM 2010、KDD 2008等6个重要国际会议的程序委员会主席，17个会议的副主席，担任国际会议程序委员会成员超过100次。做特邀报告50余次。先后在国际有名学术期刊与重要国际学术会议（如KDD、WWW、AAAI、SIGIR、ICML、TKDE等）上发表论文100多篇。

前言
致谢
第1章 引言
1.1 情感分析应用
1.2 情感分析研究
1.2.1 针对不同文本颗粒度的情感分析研究
1.2.2 情感词典以及研究问题
1.2.3 辩论与评论分析
1.2.4 意图挖掘
1.2.5 垃圾观点检测与评论质量
1.3 情感分析是一个迷你自然语言处理任务
1.4 本书撰写方式
第2章 情感分析概述
2.1 观点定义
2.1.1 观点的定义
2.1.2 情感对象
2.1.3 观点中的情感
2.1.4 简化的观点定义
2.1.5 观点的原因和限定条件
2.1.6 情感分析的目标和任务
2.2 观点摘要定义
2.3 感受、情绪、心情
2.3.1 心理学中的感受、情绪、心情
2.3.2 情绪
2.3.3 心情
2.3.4 感觉
2.3.5 情感分析中的感受、情绪和心情
2.4 观点的不同类型
2.4.1 常规型观点和比较型观点
2.4.2 主观和隐含在事实中的观点
2.4.3 第一人称和非第一人称观点
2.4.4 元观点
2.5 作者和读者视角
2.6 小结
第3章 文档级情感分类
3.1 基于监督的情感分类
3.1.1 基于传统机器学习算法的情感分类方法
3.1.2 使用自定义的打分函数进行情感分类
3.1.3 基于深度学习的情感分类
3.1.4 基于终身学习的情感分类
3.2 无监督情感分类
3.2.1 基于句法模板和网页检索的情感分类
3.2.2 基于情感词典的情感分类
3.3 情感评分预测
3.4 跨领域情感分类
3.5 跨语言情感分类
3.6 文档的情绪分类
3.7 小结
第4章 句子级主客观和情感分类
4.1 主观性
4.2 句子级主客观分类
4.3 句子级情感分类
4.3.1 句子级情感分类的前提假设
4.3.2 传统分类方法
4.3.3 基于深度学习的分类方法
4.4 处理条件句
4.5 处理讽刺句
4.6 跨语言主客观和情感分类
4.7 在情感分类中使用语篇信息
4.8 句子级情绪分类
4.9 多模态情感和情绪分类
4.10 小结
第5章 属性级情感分类
5.1 属性级情感分类概述
5.1.1 基于监督学习的方法
5.1.2 基于词典的方法
5.1.3 两种方法的优缺点
5.2 情感组合规则
5.2.1 情感组合规则概述
5.2.2 情感减弱和情感增强表达
5.2.3 SMALL_OR_LESS和LARGE_OR_MORE表达
5.2.4 情绪和情感强度
5.2.5 情感词的含义
5.2.6 其他方法概述
5.3 否定和情感
5.3.1 否定词
5.3.2 never
5.3.3 其他常用的情感转换词
5.3.4 否定词移动现象
5.3.5 否定范围
5.4 情态和情感
5.5 并列连词but
5.6 非观点内容的情感词
5.7 规则表示
5.8 词义消歧和指代消解
5.9 小结
第6章 属性和实体抽取
6.1 基于频率的属性抽取
6.2 利用句法关系
6.2.1 利用观点和观点评价对象间的评价关系
6.2.2 利用部分整体和属性关系
6.3 基于监督学习的属性抽取
6.3.1 隐马尔可夫模型
6.3.2 条件随机场
6.3.3 基于深度学习的方法
6.4 隐含属性的映射
6.4.1 基于语料库的方法
6.4.2 基于词典的方法
6.5 属性聚类
6.6 基于主题模型的属性抽取
6.6.1 隐狄利克雷分配
6.6.2 使用无监督主题模型进行观点属性抽取
6.6.3 在主题模型中加入领域先验知识
6.6.4 基于终身学习的主题模型：像人类一样学习
6.6.5 使用短语作为主题词
6.7 实体抽取与消歧
6.7.1 实体抽取与消歧的问题定义
6.7.2 实体抽取
6.7.3 实体链接
6.7.4 实体搜索和链接
6.8 观点持有者和观点时间抽取
6.9 小结
第7章 情感词典构建
7.1 基于词典的方法
7.2 基于语料库的方法
7.2.1 从语料库中识别情感词
7.2.2 处理上下文相关的情感词
7.2.3 词典自适应
7.2.4 其他相关工作
7.3 情感词向量
7.4 隐含了情感信息（期望或者不期望）的事实型描述
7.5 小结
第8章 比较型观点分析
8.1 问题定义
8.2 比较句识别
8.3 优选实体集识别
8.4 特殊类型的比较句
8.4.1 非标准型比较
8.4.2 交叉类型的比较
8.4.3 单实体比较
8.4.4 带有compare和comparison的句子
8.5 实体与属性抽取
8.6 小结
第9章 观点摘要和搜索
第10章 辩论与评论分析
第ll章 意图挖掘
第12章 虚假观点检测
第13章 评论的质量
第14章 总结
附录
参考文献
索引