-
Eclipse Java EE
-
JDK/JRE v1.8
-
UTF-8 File Encoding
除了原有的外部情緒字典（正、反、程度詞），利用Training找出其他特別的正反詞彙
之後，根據句中「正反詞彙」出現的數量，搭配加重語氣的程度詞，給定一分數，作為評斷標準
-
HashMap (Key, Value) = (情緒詞, 正/反)
-
可以在O(1)的時間內判斷單詞是否具有特定情緒
Step1 用標點、換行斷句
先由標點符號斷句，並使用Open Source的Library（結巴斷詞系統）
使用Trie結構樹、動態規劃實現最佳分詞
Reference: https://github.com/huaban/jieba-analysis
Step2 計算各單詞出現次數（頻率）
得到以「詞」為單位的資料後，計算整份Training Data中，各單詞出現的字數（頻率）
Step3 選擇一些在該類文章中，具代表性的正負面詞彙，加入字典
選擇的標準：SO值 > 3.0，加入Positive字典；SO值 < -3.0，加入Negative字典
Step1 斷句
以標點、各式符號斷句（不以分行斷句，因為一行視為一則評論或回覆）
Step2 找程度詞
將一個句子切分成小部分，判斷截斷後的詞彙是否屬於Dictionary中的程度詞
如果是，則將該句子的分數倍率乘以2
Example
「這家旅館的爛服務非常差勁」會切成
「家旅館的爛服務非常差勁」、「這家旅館的爛服務非常差」…「常差」、「非常」…「這」
由長到短、後往前的截字方式（避免長詞關鍵字沒先抓到，反而抓到短詞）
抓到程度詞關鍵字後，會將倍率乘2，並把關鍵詞從句子中刪除
Step3 找正反面情緒用詞
截字、刪字方式同上一步，只是把截斷後的詞彙拿去Positive、Negative Dictionary中比對
比對後，如果是正面詞彙，分數+1，負面則-1（搭配程度詞的倍率，可能變為±2）
Step4 找出Shifter（不、沒）
比對句子中剩餘的字彙，是否包含「不」或「沒」
如果有，則將該句子的分數乘上-1
Step5 判斷整則評論的正反傾向
整則評論的分數=各句子的分數加總，若評論分數 ≧ 0，判為正面傾向，反之負面
-
Source Code已打包成
SentimentalAnalysis.jar，外加jieba-analysis.jar -
Library Setting好之後，使用
SentimentAnalyzer()建構子和method－work()來run -
static method－
setNTHREADS(int)可設定Training和Analyzing時的Threads數量 -
static method－
setSORate(double)可調整Training時取字的嚴謹程度 -
static method -
setDictionary(String, String, String)可自訂情緒字典的路徑與檔名 -
static method -
setTrainingData(String, String)可自訂Training資料的路徑與檔名
-
Training用的文字檔
預設為
docs/training.txt一則評論占一行，不加編號（若無，須建立空檔案）
-
Training的答案
預設為
docs/answer.txt行數與training.txt相同，一行一字，以半形大寫P/N來表示（若無，須建立空檔案）
-
正、反、程度字典
預設為
docs/positive.txt,docs/negative.txt,docs/adv.txt一個單詞（單字）占一行，不加編號
-
欲分析的評論
預設為
docs/opinion.txt格式與Training的檔案相同，一則評論占一行，不加編號
-
分析後會於當前目錄產生
result.txt -
預設為
result.txt，每則評論的分析占4行 -
第一行為分析結果，第二行顯示斷詞，第三行則是抓到的關鍵字，最後一行空白
-
檔尾則會另列此次分析中，正反評論中的前10名關鍵字