1.3 情感分析的應用

情感分析具有廣闊的應用前景，可以產生巨大的經濟效益和社會效益。

1.3.1 商業領域

網購在生活中愈發普遍，人們通過C2C（如淘寶網、易趣網等）和B2C（如京東網、亞馬遜等）形式的電子商務平臺購買商品后，可以寫下對商品的評論。Joshua-Porter在Designing for the Social Web一書中描述了一種“亞馬遜效應”。他在研究中觀察到，人們總是從亞馬遜開始他們的在線購物（在中國，人們也往往是從淘寶開始他們的在線購物），原因在于人們更想通過其他購買者的評論了解產品的“真相”，而不是商家廣告對產品天花亂墜式的描述。大部分的網上購物者更加相信購買過該商品的買家的評價，而非商家的主動推銷。

美國Hayneedle公司在展示了用戶反饋后，交易額增長了26%。根據PowerReviews的報告[1]，這個數字可能更高。有一個有趣的現象是，負面評價并不總是壞事，就如谷歌的零售業咨詢總監John McAteer所說：“沒有人會相信所有的正面評價。”在沒有差評的時候，瀏覽者會假設有人刻意偽造了評價。人無完人——產品和服務也是如此。

對于消費者而言，通過查看產品評論可以了解商品質量、售前售后服務等各個方面，從而做出購買決定。在虛擬的購物環境中，信任的建立顯得尤為重要。Bickart等人[14]的研究表明，從網上獲取的來自其他消費者的信息比商業途徑的網絡信息更易引發消費者對產品的興趣，因為來自其他消費者的信息是相對中立的，沒有商業誘導性。

對于商家而言，可以通過跟蹤用戶對產品的反饋意見來改進產品的質量或服務。獲得有質量的評價有助于降低退貨率（現在大部分電商都支持7天無理由退貨），也有助于優化銷售策略，將經營重點從評價低的產品轉移到受歡迎的品類上來。此外，顧客的反饋還可以保持產品頁面的持續更新，因為用戶對于過期的評價會缺乏信任。另外，商家還可以通過分析在線評論信息和觀點信息，獲得消費者的行為特征，預測消費者的購買偏好，從而進行個性化的商品推薦。

因此，無論是商家還是潛在消費者都希望能通過一種方法來幫助他們自動對大量的產品評論進行處理。情感分析技術非常適用于電商領域，可以對產品評論進行有效的組織分類和觀點挖掘，如從評論文本中分析用戶對“數碼相機”的“變焦”“價格”“大小”“重量”“閃光”“易用性”等屬性的情感傾向性。

1.3.2 文化領域

從文化生活的角度看，情感分析技術可以挖掘用戶對圖書、影視等文化傳媒的褒貶觀點，實現影評、書評等資源的自動分類，有利于用戶快速瀏覽正反兩方面的評論意見，減少觀看影視或者選擇讀物時的盲目性。

隨著大量圖書的出版和大量電影的上映，可供讀者和觀眾利用的資源越來越多，但由于同類圖書或電影過多，致使讀者和觀眾難以選擇。信息化的快速發展和Web 2.0、Web 3.0等社交網絡的興起，越來越多的用戶利用互聯網記錄自己對事物的評價，比如各種電影網站、讀書網站等，這樣就形成了龐大的評論數據集。以豆瓣網為例，截止到2017年，豆瓣讀書評分9分以上，且評價數超過1000的作品至少有1000多本。基于龐大的用戶群產生的大量的評論信息，用其他讀者對圖書的評價和感興趣程度為讀者提供閱讀推薦，成為推廣文化、提高圖書閱讀率的一種重要手段。因此，基于書評或影評的文化產品推薦是一個具有實際應用價值的研究。

根據目前主流的趨勢，推薦系統主要分為以下幾種：基于內容的推薦、協同過濾推薦、基于知識的推薦等。其中，協同過濾推薦算法是目前應用最廣泛的推薦算法，一般分為兩類：基于用戶的協同推薦和基于物品的協同推薦。然而，現有的推薦系統大多不考慮用戶的情感特征。而相關研究成果[15]表明，情感對用戶行為和喜好的決定有著非常重要的作用，在信息推薦過程中充分考慮用戶的情感傾向可以更好地適應用戶的個性化需求，以更好地實現個性化推薦服務。

對于特定領域，比如電影，會有很多專有的特征詞，以及特有的評價情感詞，如何獲取這些領域特有的特征詞和情感詞，是特定領域情感分析的關鍵。比如，Turney在文獻[16]中提到情感詞“unpredictable”在電影領域的評論中可能是褒義的，說明情節跌宕起伏，不容易猜到結局；而在汽車領域的評論中則可能是貶義的，如果汽車任何一項功能不可預測則會險象環生。因此，在針對特定領域進行情感分析時，要充分考慮領域依賴性。

1.3.3 社會管理

從社會管理的角度看，情感分析能夠幫助管理者更快地了解群眾對各類管理措施的意見，從而根據群眾反饋對管理措施進行調整和修改；政府部門可以借此了解各個方面的公眾輿論和社會意見，妥善對待網絡輿情，這對準確把握社會脈搏，建設和諧社會有著重要意義。

從古代的“防民之口甚于防川”，到現在網絡時代的“每個人都有了自己的麥克風”。互聯網為社情民意的表達提供了平臺，體現用戶意愿、評論和態度的網絡輿情也愈發受到重視。所謂網絡輿情，就是對社會熱門問題持有不同看法的網絡輿論，是社會輿論的一種表現形式，也是公眾通過互聯網對現實生活中某些熱點、焦點問題發表具有較強影響力、傾向性的言論和觀點。網絡輿情的兩個重要特點就是網絡非理性情緒和群體極化。許多非理性的情緒，如仇富、仇官、反權力、反市場等，借助暴力性和娛樂化的網絡表達強化，使得人們變得更加情緒化和極端化。網民的非理性情緒，對社會穩定有潛在威脅，值得警醒。另一種特征“群體極化”是由美國教授Cass R. Sunstein提出的，就是“團隊成員一開始就有某種方面的潛在傾向，在討論之后，人們朝著所傾向的方向繼續移動，最后形成極端的觀點”。例如，最初群體中成員的意見都比較保守，在經過了群體的商議后，決策就可能會更加保守；相反，若個體成員意見傾向于冒險化，則經商議后的群體決策就可能會更趨向于冒險。輿情分析就是通過收集和整理民眾態度，發現相關的意見傾向，從而客觀反映出輿情狀態。社會的安全管理需要不斷關注網絡輿情動向，并及時正確引導網絡輿論方向，保證社會的長治久安。然而，各種渠道得到的信息龐雜，只靠人工方法進行甄別無法應對海量信息。因此，研發精確有效的情緒分析系統，實現對輿情信息的自動處理，對維持社會穩定有著非常重要的意義。

1.3.4 信息預測

情緒分析在態勢預測中扮演著重要的角色。在美國大選期間，通過挖掘和分析民眾在Twitter上對各競選團隊的評論[17]，制定針對搖擺州（美國大選中的一個專有名詞，指競選雙方勢均力敵，都無明顯優勢的州）的特定宣傳政策，從而提高己方的民意支持率。在2011年意大利議會選舉和2012年法國總統大選過程中，用情感分析計算出了政治領導候選人的Twitter支持率[17]，對選舉預測具有重要意義。情感分析還可用于對政策性事件的民意預測，比如延遲退休的年齡等，為國家相關政策的制定提供輔助支撐。隨著信息預測的應用內容越來越豐富，情感分析技術愈發受到重視。情感分析技術通過分析互聯網新聞、博客等信息源，可以較為準確地預測某一事件的未來走勢，無論是在政治、經濟領域，還是在日常生活中，都具有重大意義。

情感分析在金融預測中也有著巨大的應用潛力，引起了研究者們的興趣。美國印第安納大學和英國曼徹斯特大學的學者發現一個有趣的現象[18]：Twitter可以從一定程度上預測3到4天后的股市變化。他們將情緒分為冷靜、警惕、確信、活力、友善和幸福六類,若將其中的“冷靜”情緒指數后移3天，竟與道瓊斯工業平均指數（DJIA）驚人的相似。研究者們推測：在股票市場中，微博上對某只股票的議論可以在很大程度上左右投資者的行為，因而進一步影響股市變化的趨勢。

2012年5月，世界首家基于社交媒體的對沖基金Derwent Capital Markets在屢次跳票后終于上線。它會即時關注Twitter中的公眾情緒進而指導投資。基金創始人Paul Hawtin表示：“長期以來，投資者普遍認為金融市場由恐懼和貪婪驅使，但我們從未擁有一種技術或數據來量化人們的情感。”Twitter每天浩如煙海的推文，使得一直為金融市場的非理性舉動所困惑的投資者，終于有了一扇可以了解心靈世界的窗戶。基于Twitter的對沖基金Derwent Capital Markets在首月的交易中已經盈利，它以1.85%的收益率，讓平均數只有0.76%的其他對沖基金相形見絀。類似的工作還有預測電影票房等[19]，均是將公眾情緒與社會事件對比，發現一致性，并用于預測。

1.3.5 情緒管理

用戶在微博、社區和論壇中的社交活動都是現實生活對網絡社會的映射，這些社交網站中儲存了大量的用戶個人言論。由于用戶的情感與其所關注的話題通常具有較強的相關性，分析用戶發布的言論可以較為準確地獲得人們的生活狀態和性格特點。Golder等人[20]通過研究Twitter用戶在晝夜和不同季節所展現的情緒節奏[20]，包括用戶在工作、睡覺等不同時間段內表現的情緒，繪制出心情曲線，從而了解人們的精神狀態。Kim等人[21]通過研究也發現人們的情緒在6點、11點、16點和20點達到了高峰[21]，并總結了用戶一天中的情緒總體走向。利用這些研究成果，公司可以了解員工的工作狀態，從而更有效地制定工作計劃。此外，Zhou等人[22]對不同行業名人的微博進行分析[22]，統計名人所發微博中各類情緒的比例，分析出不同名人的性格、關注點和個人喜好。隨著時代的進步和社會的發展，人們對自我關注的需求不斷提高。通過對用戶進行情感和情緒分析可以讓用戶更加了解自我，從而找到更加適合自己的方式去學習、工作和生活，情緒管理領域在未來將擁有更廣闊的應用市場。

1.3.6 智能客服

隨著人機交互技術的進步，對話系統正逐漸走向實際應用，尤其是智能客服系統受到了很多企業的關注。近年來，許多中大型公司都已經構建了自己的智能客服體系，例如京東的JIMI和阿里巴巴的AliMe等。智能客服系統旨在解決傳統客服需要大量人力的狀況，實現在服務效率和服務質量兩個維度上的整體提升。初代智能客服系統主要面對業務內容，針對高頻的業務問題進行回復解決，此過程依賴于業務專家對高頻業務問題答案的歸納整理，主要的技術點在于精準的用戶問題和回復內容之間的文本匹配能力。新型的智能客服系統除了解決高頻業務問題之外，還需要智能導購能力、情緒預測能力、公關處理能力、娛樂互動能力等。其中，情感作為人類的基本特征，已經在智能客服系統中被重視和應用，比如智能客服系統需要具備一定的共情能力，才能給用戶提供更好的交流體驗。此外，智能客服系統還可以及時感知用戶的負面情緒并轉人工服務，從而避免投訴與糾紛。總之，讓智能客服更懂人類情感，將提高客戶對智能客服機器人的整體滿意度。