1. 引言
情感分析是指自动对文本进行情感分类，判断其表达的情绪倾向。 最常见的是将文本分为正面、负面或中性。更复杂的场景中，我们可能需要识别具体的情绪，或针对特定实体计算情感倾向。
情感分析广泛用于分析用户对品牌、电影、书籍等的看法，比如通过大规模分析在线评论或社交媒体内容来获取用户情绪趋势。
情感分析的方法有很多，其中最简单的一种就是使用情感词典（Sentiment Dictionary） 进行分析。
情感分析词典通常包含词语、短语或概念所表达的情绪或极性信息。 一般来说，词典中的每个词都会有一个或多个评分，我们可以通过这些评分来计算输入句子的整体情感倾向。
本文将介绍几个英文常用的情感分析词典，并分析基于词典方法的常见局限性。
2. 情感分析词典
2.1. SentiWordNet
顾名思义，SentiWordNet 是基于 WordNet 的情感词典，它为每个 synset（同义词集合）分配情感评分，而不是直接对词语本身打分。
每个 synset 会给出两个评分：positivity（正面）和 negativity（负面），取值范围为 0 到 1。该词典覆盖了超过 15 万个词语，并且继承了 WordNet 的优点，比如区分词性（noun、verb、adjective 等）。
✅ 优点：
- 支持多义词的区分，即同一个词在不同语义下有不同的评分。
举个例子，“attractive” 至少有两个含义：
- 令人愉悦的（视觉或心理上）；
- 有磁性的。
在 SentiWordNet 中，这两个含义分别有不同评分：
| POS | SYNSET ID | POSITIVITY | NEGATIVITY | TERMS | DEFINITION |
|---|---|---|---|---|---|
| a | 00166146 | 0.875 | 0 | attractive#1 | pleasing to the eye or mind... |
| a | 00169955 | 0 | 0 | attractive#3 | having the properties of a magnet... |
⚠️ 注意：
- 使用 SentiWordNet 时，需要先进行词义消歧（Word Sense Disambiguation），即判断句子中词语的具体含义，否则评分可能不准确。
2.2. SentiWords
SentiWords 是 SentiWordNet 的衍生版本，但更简化。
与 SentiWordNet 不同，SentiWords 直接为词语分配情感评分（prior polarities），而不需要先判断词义。
✅ 优点：
- 无需进行词义消歧，使用更简单；
- 同样覆盖超过 15 万个词，适用于大规模文本分析。
SentiWords 的评分是基于 SentiWordNet 数据，通过一个高覆盖率、高精度的算法生成的。
⚠️ 注意：
- 因为没有考虑上下文，所以对于多义词可能会出现误判。
2.3. VADER
VADER 是一个专门用于社交媒体文本的词典和规则驱动的情感分析工具。
它的词典是人工构建的，由 10 名人工标注者打分汇总而成。虽然词汇量只有约 7000 个，但其评分质量较高，且特别适合社交平台场景。
✅ 优点：
- 支持表情符号（emoji）和网络缩写（如 lmao、lol）；
- 评分质量高，适合非正式文本分析。
以下是 VADER 词典的一部分示例：
| WORD | POLARITY | SD | INDIVIDUAL SCORES |
|---|---|---|---|
| attractions | 1.8 | 0.87178 | [1, 3, 0, 2, 2, 2, 2, 3, 1, 2] |
| attractive | 1.9 | 0.53852 | [2, 2, 2, 1, 3, 2, 1, 2, 2, 2] |
| attractively | 2.2 | 0.6 | [3, 2, 2, 3, 2, 2, 2, 3, 1, 2] |
| avoided | -1.4 | 0.4899 | [-2, -1, -2, -1, -1, -1, -2, -1, -2, -1] |
| avoider | -1.8 | 0.6 | [-2, -1, -3, -1, -2, -2, -2, -1, -2, -2] |
| avoiders | -1.4 | 0.66332 | [-2, -2, -1, -2, -1, -1, 0, -1, -2, -2] |
📌 说明：
- POLARITY 是 10 个评分的平均值；
- SD 是标准差；
- INDIVIDUAL SCORES 是原始评分；
- 评分范围为 -4 到 +4，不同于常见的 -1 到 +1。
3. 基于词典方法的局限性
虽然使用词典进行情感分析是最简单的方式之一，但它在处理语言复杂性时常常力不从心。
以下是一些典型问题：
❌ 语境依赖性问题：
比如句子 “it gets very hot” 本身没有情感倾向，但在不同语境下可以是正面（炉子很热）或负面（笔记本电脑太热）。
❌ 否定和修饰问题：
“not good” 会被误判为正面，因为“good”是正面词，但前面有否定词“not”。
❌ 讽刺和隐含情绪问题：
“Oh yeah, I really enjoy waiting 2 hours for a response.” 是典型的讽刺句，词典方法难以识别。
✅ 建议：
- 如果有标注数据，建议使用机器学习方法，通常效果优于词典法。
4. 总结
情感分析词典在构建情感分析系统时是一个非常有用的辅助工具。虽然存在一些局限，但在许多场景下仍然非常实用。
本文介绍了三个常见的英文情感分析词典：
- SentiWordNet：基于 WordNet 的 synset，支持多义词，但需要词义消歧；
- SentiWords：基于 SentiWordNet，但直接为词语打分，使用更简单；
- VADER：专为社交媒体设计，支持表情和缩写，适合非正式文本。
在实际应用中，应根据具体需求选择合适的词典，并结合其他方法（如机器学习）提升准确率。