情感表达技术是一种什么样的技术

⑴ 情感表达技术是指什么

咨询记录 · 回答于2021-11-20

⑵ 什么叫情感表达反应快

情感表达，是准确而有效地向他人展示自己的价值关系，以便求得他人有效的合作，通过识别他人的情感表达来及时、准确而有效地了解他人的价值关系，以便更好地与他人进行合作。
情感反应就是情感所唤起的各种生理反应如呼吸反应、心脏反应、血管反应、肠胃反应、内分泌反应、外分泌反应等可以通过皮肤电压、血压、心跳、腺体分泌等生理指标进行测量和判断，它们大部分属于无条件反射，主要受自主神经系统的支配，意志对它们的调节和控制作用是非常有限的。尽管如此，它们仍然有着确定的、隐含的、不以人的意志为转移的价值目的。情感反应概念又是心理咨询参与性技术之一，是指咨询师把求助者语言与非语言行为中包含的情感整理后，反应给求助者。

⑶ 共情技术和情感反应技术有什么区别

情感反应技术是指咨询师把求助者所陈述的有关情绪、情感的主要内容经过概括、综合与整理，用自己的话反馈给求助者，以达到加强对求助者情绪、情感的理解，促进沟通的目的。按照罗杰斯的观点，共情是指体验求助者内心世界的能力。共情的具体含义包括：第一，咨询师通过求助者的言行，深入对方内心去体验他的情感与思维。第二，咨询师借助于知识和经验，把握求助者的体验与其经历和人格之间的联系，更深刻理解求助者的心理和具体问题的实质。第三，咨询师运用咨询技巧，把自己的共情传达给对方，表达对求助者内心世界的体验和所面临问题的理解，影响对方并取得反馈（情感反应）。情感反应是一种技术，共情是一种能力。两者侧重点是不同的。共情通过情感反应表现出来。

⑷ 情感表达技术是指什么

情感表达技术是指情商和幽默感。

⑸ 情感表达技术属于内容表达技术吗

表达性技术可以分为内容表达和情感表达。
内容表达:是指咨询师传递信息、提出意冗、提供中高、给与保证、进行褒贬、和反馈等。内容表达时应注意措辞的缓和、尊重、不应该认为自己的忠告是唯一正确的、必须执行的。
情感表达:咨询时告知来访者自己的情绪、情感活动状况，让来访者明白，就是情感表达。咨询时所作的情感表达，其目的是为来访者服务的，而不是为了满足自己的表达欲望或宣泄自己的情感。因此其所表达的方式、内容应有助于来访者的叙述和咨询地进行。

⑹ 什么是反映技术

一、概念

在人际交往中，人们通过言语表情、面部表情及身体姿势表情等来表达自己的各种内心感受。当一个人能够把自己的感受用语言说出来的时候，他就能够更深入细致地了解和体会自己的各种情感，增强情感的自我觉察能力，使情感得以合理地表达，减少心理压抑，促进人际交往和相互理解。

以语言表达情感的过程，又可以叫做情感的符号化过程，它是使情感产生意义的过程。符号化过程的失败，使病人无法觉察到情感。病人对情感的觉察分为几个层次：

（1）情感出现，但是未被觉察到。

（2）情感出现，但是只有部分被觉察到。

（3）情感出现，但是没被转化为语言。

（4）情感出现，并且被转化为语言。

（5）情感出现，被转化为语言，知道引发情感者为何人，也知道处理情感的可能行动、需求与期望。

病人在情感信息处理的过程中，因为对情感信息的觉察与处理状况之不同，而对情感的觉察层次也会有所不同。当一个人存在某种（些）情感，也具有某个情感表达的词语，却无法用这个词语进行情感的言语表达时，叫做“述情障碍”（alexithymia）。

述情障碍患者不能适当地表达情绪、缺少幻想。述情障碍普遍存在于心身疾病、神经症及其他各种心理障碍的患者中。述情障碍还可能发生于很多躯体疾病患者中，如冠心病、类风湿关节炎、偏头痛、消化道疾病、皮肤病等。

述情障碍的主要特征为:1缺乏言语描述情感的能力；2缺乏幻想；3实用主义的思维方式,其过程具体而僵化,缺乏象征性。

由于述情障碍者对情绪变化的领悟能力差，心理治疗反应往往不佳，给治疗带来不利影响。

情感反映技术（reflection of feeling）是指医生辨认病人的语言与非语言行为中明显或隐含的情感，并且以语言的方式反映给病人，协助病人觉察、接纳自己的感受的临床操作技巧。

二、情感反映技术的功能与操作技巧

情感反映技术可以帮助病人重新审视自己的经验，进入自己的感觉，觉察并表达自己的情感，能用准确的语言加以描述，能理解自己和他人的情绪并用恰当的方式加以表达或调节。

情感反映技术的具体功能有：

（1）促使病人觉察、辨别自己的情感。

（2）协助病人重新拥有自己的情感。

（3）让医生正确了解病人，或病人了解自己。

（4）建立良好的咨询关系。情感反映技术可以让病人体验被了解、被支持的感动，所以可以帮助医生与病人建立良好的咨询关系。

例如，某男病人，37岁，已婚，幼年曾经受到父亲的严厉管教，目前为“事业成功人士”。其父亲多年来患有肺结核，长期药物治疗，两年前病情恶化，经住院治疗，抢救无效，去世。在父亲病重期间，该男病人守在父亲床边，殷勤地料理父亲的生活，但很少与父亲进行语言交流。在父亲病重期间，病人的性欲望和阴茎勃起功能明显下降，在夫妻性生活中，经常会遭到妻子抱怨。父亲去世后，病人逐渐变得经常怀疑妻子喜欢别的男人，担心儿子不是自己亲生的。妻子在马路上看别的男人一眼，病人就会认为她正在勾引别的男人。病人为此而感到苦恼，前来咨询。

在会谈中，病人无法说出自己在父亲病重及去世后的内心感受，只是说“他已经病了很多年了，就那样了，后来年龄大了，身体弱了，病情恶化，就去世了。我当时照顾他，工作又忙，身体很累，经常失眠、胸闷、心慌，感到头晕、四肢无力。”在谈到夫妻关系时，病人觉得自己的性功能有问题，认为妻子是一个性欲旺盛的女人，自己无法满足妻子的要求，所以，妻子肯定会去外面找别的男人，因为结婚前妻子就曾经有过男朋友，在结婚的时候，就曾经怀疑妻子不是处女。

在这个案例中，病人描述了很多事情的具体情况，包括他幼年与父亲之间的关系，父亲去世前后的详细过程，夫妻性生活中存在的问题，以及病人的身体不适感等，但是，病人几乎无法清晰地辨别和表达他在这些事情发生过程中所伴随的各种情感。

心理分析：该病人在幼年受到父亲的严厉管教，会对父亲产生恐惧、羡慕和认同，同时也会压抑着对父亲的愤怒情绪。在父亲病重期间，病人殷勤地照顾父亲，这既表达了他对父亲的爱和尊重，也存在着抱怨或对愤怒的压抑，他担心父亲的去世（分离焦虑），也会担心自己的身体出现问题，所以，病人会出现“胸闷、心慌、头晕”等躯体症状（向丧失的客体认同）。病人属于“成功人士”，这意味着他平时很勤奋、很努力，对自己要求也很严厉，而其内心可能会存在着被父亲严厉管教所遗留下来的弱小感、自卑感。当父亲病情加重的时候，病人的躯体不适感会变得更加明显，在夫妻性生活方面，病人也会担心自己在性生活方面无法继续保持“成功人士”的完美形象，进而会怀疑妻子喜欢别的男人，甚至怀疑儿子都不是自己亲生的（阉割焦虑，分离焦虑，被遗弃感）。当父亲去世后，病人在承受分离痛苦的同时，还可能会对自己产生自责和内疚，存在着“幸存者罪感”。

因此，医生在与这个病人的会谈中，关注、倾听病人所讲的故事内容的同时，要注意细致观察和捕捉病人的情绪反应，体会病人的内心感受，要注意发现病人对情感的自我觉察、辨别和表达能力。当发现病人在情感表达方面存在不足时，医生要对病人的情感或感受进行言语的反馈，适时地跟病人讨论他的情绪状态。

比如，医生可以在适当的时机与病人探讨：当你感到胸闷、心慌、头晕、四肢无力的时候，当时你的心情是什么样的？你是否担心自己没有尽力把父亲照顾好？你是否担心自己的身体健康？感到自己没有能力很好地照顾父亲？你很心疼父亲？你感到自己很无力？很自责？内心对父亲是否会有些抱怨？在父亲去世后你会感到很忧伤，很无奈？自信心很受打击？等。

当病人谈到夫妻关系及性功能时，医生可以询问病人：对性功能你会有哪些担心？你担心自己性生活不成功，这会很打击你的自信心？担心妻子会离开你？你无法控制夫妻关系，你感到自己对生活失去了掌控感？等。

当病人怀疑儿子不是自己亲生的时，医生可以询问病人：你很在乎你与儿子之间的关系吧，你担心失去儿子？你与父亲之间的关系是怎样的呢？父亲去世，是否会让你感到你再也无法让自己做父亲的“好儿子”了？你对父亲是否存在一些怨恨情绪？等。

医生在操作情感反映技术时，不仅要对病人进行观察和倾听，还要注意深入地体会病人的各种不同类型的情感，注意区分哪种情感是表浅的（继发情感，防御性情感），哪些感受是更为深在的（原发情感）。比如，病人作为“成功人士”的自豪感、对性功能的担心、对妻子的疑心是比较表浅的，而内心深处的分离焦虑、弱小无力感及压抑的愤怒则会是比较深在的。当病人描述自己的各种躯体不适时，医生要注意询问病人的心情，并对病人的心情进行识别、辨认和言语反馈，这样可以帮助病人对自己的各种感受进行自我觉察、分辨和识别，最终能够帮助病人学会使用情绪词来表达自己的各种内心感受。

情感反映技术，可以结合共情技术来使用。一般地说，共情更多地是在心理会谈的早期阶段（收集资料的阶段）来使用，情感反映技术可以在心理治疗会谈的任何阶段使用，也更多地使用在心理治疗会谈的深入阶段，特别针对病人的述情障碍而进行心理治疗。

三、注意事项

使用情感反映技术时，需要注意以下几个要项：

（1）辨认病人情感

注意病人叙述中的情感部分。

注意病人的行为（姿势、语调、说话速度、其他的态度）。

适当地、广泛地标示情感。

辨认病人情感的整体范围（亦即辨认语言或非语言行为所传达的不同情感）。

（2）反映病人情感

重述病人的话语，然后清楚、正确地摘要病人体验到的情感。

反映混合的情感（亦即一种以上的情绪）。

医生所用的情感词语，不要简单重复病人所用的词语。

及时反馈，医生要把关注的焦点放在病人此时此刻的情感上。

当病人还没有体会到他自己的情感时，医生不要武断地强加给病人，要给病人充分的时间去内生和逐渐体会这些感受。

（3）常用的情感语句

正确的情感反映，除了有赖医生聆听与观察病人的语言与非语言信息，辨认病人情绪外，还有赖于医生自身拥有丰富的情感词汇。

四、附：情感反映技术的操作习题。

案例：病人，某男，夫妻离婚，由丈夫养育女儿，女儿上初中三年级，在地震中去世。该男病人也在地震中受伤致腿部骨折，在外科住院手术治疗，固定牵引在床。手术后，父亲得到女儿去世的消息，急切地给其他受难的学生家长打电话，忙得顾不上吃饭，不停地活动身体，甚至想要下床走动，明显影响腿部固定，不利于治疗，无端对医护人员发脾气。

⑺ "我很能理解你的心情,也为你的事情着急",心理咨询师使用的技术包括哪些

为你的事情着急，这是情感表达技术。如果是单选，就选情感表达。即咨询师表达了自己的情感“着急 ”。这句话里没有内容反应，也没有情感反应。因为反应是指咨询师总结了求助者的说话内容或求助者的情感。这里都是以“我”即咨询师为主体，所以只有情感表达的影响性技术。

⑻ 影响性咨询技术有哪些

一、面质技术：

又称“质疑”“对峙”“对质”“对抗”“正视现实”等，是指咨询师指出求助者身上存在的矛盾，促进求助者的探索，最终实现统一。求助者常见的矛盾有：

1、理想与现实不一致；

2、言行不一致；

3、前后言语不一致；

4、求助者、咨询师的意见不一致：咨询中有时出现咨询师对求助者的评价与求助者的自我评价不一致，或咨询师所见与求助者的陈述存在矛盾。

注意：

1、以事实根据为前提：有矛盾的事实存在才可以使用该技术。

2、避免个人发泄：应以求助者的利益为重，不可将面质变成咨询师发泄情绪乃至攻击对方的工具或理由。

3、避免无情攻击：有些咨询师把面质当作表现自己智慧与能力的机会，因此没有考虑求助者的感情，一味地、无情地使用面质，致使求助者无法招架，陷入尴尬、痛苦状态。

4、要以良好的咨询关系为基础；

5、可用尝试性面质：一般来说，在良好的咨询关系没有建立前，应尽量避免面质，若不得不用，应使用尝试性的面质。

二、解释技术：

指运用心理学理论来描述求助者的思想、情感和行为的原因、实质等，或对某些抽象复杂的心理现象、过程等进行解释。

解释是面谈技巧中最复杂的一种。它与内容反应技术的差别在于，内容反应是从求助者的参考框架来说明求助者表达的实质性内容，而解释则是在咨询师的参考上，运用心理学的理论和人生经验来为求助者提供一种认识自身问题以及认识自己和周围关系的新思维、新理论、新方法。解释技术属于内容表达，解释侧重于对某一问题做理论上的分析，而内容表达则是指咨询师提供信息、建议、反馈，等等。

三、指导技术:

指咨询师直接地指示求助者做某件事、说某些话或者以某种方式行动。指导技术是对求助者影响力最明显的一种咨询技术。

四、情感表达技术：

咨询师将自己的情绪、情感及对求助者的情绪、情感等，告之求助者，以影响求助者。咨询师做出情感表达，其目的是为求助者服务的，因此表达的内容、方式应有助于咨询的进行。咨询师应注意，一般只对求助者作正性情感表达，为表达共情时的负性情感表达除外。

情感表达和情感反应完全不同，情感表达是咨询师表达自己的及对求助者的喜怒哀乐，而情感反应是咨询师将求助者的情感内容整理后进行反馈。

五、内容表达技术：

指咨询师传递信息、提出建议、提供忠告、给予保证、进行解释和反馈，以影响求助者，促进求助者实现咨询目标。各项影响技术都属于内容表达。内容表达技术和内容反应技术不同，内容表达是咨询师表达自己的意见，内容反应则是咨询师反应求助者的叙述。

六、自我开放技术：

也称“自我暴露”“自我表露”，是指咨询师提出自己的情感、思想、经验与求助者共同分享，或开放对求助者的态度、评价等，或开放与自己有关的经历、体验、情感等。

咨询师，尤其是初学者务必注意，是否对求助者开放，一般应以求助者请求为准，咨询中应该反对随意的，过于主动的自我开放。是否进行自我开发，要考虑开放后对咨询的影响。

七、影响性概述：

咨询师将自己所叙述的主题、意见等组织整理后，以简明扼要的形式表达出来，即为影响性概述，相当于内容较多的内容表达。影响性概述与参与性概述不同，前者概述的是咨询师表达的观点，而后者概述的是求助者叙述的内容。

八、非言语行为的运用：

1、目光注视：

在传递信息的所有部位中，眼睛是最重要的。倾听时目光往往直接注视着对方的双眼，并不是直盯着。讲话时，视线的接触会比听对方讲话少一些。咨询师目光大体在求助者的面部为好。

2、面部表情：

眼睛或嘴巴张大，眉毛上扬，是惊愕的表情；害羞会脸红；人在深思或竭力解开疑惑时会皱起眉头或眯起眼睛。

3、身体语言；

一般低头表示陈述句的结束，抬头表示问句的结束。摊开双手、解开外衣纽扣或脱掉外套，表达一种真诚、坦白。双手交叉在胸前则常表明一种防卫，表示否定、拒绝或疏远。会谈时略微倾身于他，会使其感到被接近、被理解。

4、声音特质；

声音节奏加快表明紧张和激动，节奏变慢则有可能是因为冷漠、沮丧，或正在思考是不是要表述，如何表述。语言传达信息，语气代表态度，肢体动作给人体验感受。

5、空间距离；

咨询师与求助者之间的空间距离应符合有助于咨询关系建立、彼此感到适宜的原则，距离以1米左右为好，最好是成直角或钝角而坐。

6、衣着及步态；

衣饰能反应一个人的个性、经济地位、文化修养、审美情趣，等等，尤其是较能体现出来求助者来访时的某种心情。

(8)情感表达技术是一种什么样的技术扩展阅读

心理咨询的过程

1、进入与定向阶段

（1）建立辅导关系；

（2）搜集相关资料，以利初步界定问题，明确辅导需要；

（3）初步了解当事人的个人、环境资源；做出接案决定；做出辅导安排。

2、问题—个人探索阶段

（1）建立良好的关系；

（2）搜集有关资料，以进一步界定和理解问题；

（3）协助当事人进行自我探索，达到对当事人的深入了解。

3、目标与方案探讨阶段

（1）激发当事人改变的动机；

（2）处理好当事人的期望和目标的关系；

（3）咨询师要明了现有的干预手段和自己能力的局限；

（4）咨询目标的确定要以当事人为主，咨询师起辅助作用。

4、行动/转变阶段

（1）避免让当事人变成一种被动、接受、依赖的角色；

（2）保持灵活性；

（3）要注意治疗收获在实际生活中的迁移应用情况；

（4）行动/转变阶段要经常进行评估，即根据已确定的目标，看咨询和治疗实际取得了多大进展。

5、评估/结束阶段

（1）评估目标收获；

（2）处理关系结束的问题：分离焦虑；

（3）为学习的迁移和自我依赖做准备；

（4）最后一次会谈。

⑼ 什么叫情感反应技术

情感反应技术是心理咨询中咨询师与来访者咨询的过程中，经常会使用的一种技术。情感反应技术是指咨询师把来访者所陈述的有关情绪、情感的主要内容经过概括、综合与整理，用自己的话反馈给来访者，以达到加强对来访者情绪、情感的利己呃，促进沟通的目的。

不过我们应该要把内容反应技术和情感反应技术给区分开来，虽然两者看起来很相近，都是要求咨询师把来访者所陈诉的内容进行综合、整理、加工之后再做出反馈，但是两者是不一样的，内容反应技术着重于咨询师将来访者言谈内容的一种转述和澄清，而情感反应技术则可能更加注重来访者在谈及一些事情时候，所涉及的情绪反应，情绪往往是来访者内心的外部表现，通过对来访者情绪的了解进而可以体验到到来访者的思想和态度。情感反应技术最有效的方式是针对来访者此时此刻的情绪而不是过去的情绪，这样可以帮助来访者捕捉到此事此刻瞬间的情绪和感受，但是咨询师也要根据具体情况，具体分析，如果此时此刻的情绪特别强烈，来访者存在很强的抵触心理，那么咨询师也可以选择过去的情绪，作为处理的点。

在咨询中，来访者通常会呈现出混合的情绪，咨询师如果可以敏锐的捕捉到浙西而情绪，对于来访者来说是很重要的，咨询师也可以从矛盾的情绪中寻找突破口。

一般来说，咨询师在使用反应技术的时候，会将内容反应技术与情感反应技术结合起来，更有利于信息的收集和对来访者的了解。

⑽ 人工智能技术应用：情感分析概述

与其他的人工智能技术相比，情感分析(Sentiment Analysis)显得有些特殊，因为其他的领域都是根据客观的数据来进行分析和预测，但情感分析则带有强烈的个人主观因素。情感分析的目标是从文本中分析出人们对于实体及其属性所表达的情感倾向以及观点，这项技术最早的研究始于2003年Nasukawa和Yi两位学者的关于商品评论的论文。
随着推特等社交媒体以及电商平台的发展而产生大量带有观点的内容，给情感分析提供了所需的数据基础。时至今日，情感识别已经在多个领域被广泛的应用。例如在商品零售领域，用户的评价对于零售商和生产商都是非常重要的反馈信息，通过对海量用户的评价进行情感分析，可以量化用户对产品及其竞品的褒贬程度，从而了解用户对于产品的诉求以及自己产品与竞品的对比优劣。在社会舆情领域，通过分析大众对于社会热点事件的点评可以有效的掌握舆论的走向。在企业舆情方面，利用情感分析可以快速了解社会对企业的评价，为企业的战略规划提供决策依据，提升企业在市场中的竞争力。在金融交易领域，分析交易者对于股票及其他金融衍生品的态度，为行情交易提供辅助依据。
目前，绝大多数的人工智能开放平台都具备情感分析的能力，如图所示是玻森中文语义开放平台的情感分析功能演示，可以看出除了通用领域的情感分析外，还有汽车、厨具、餐饮、新闻和微博几个特定领域的分析。

那么到底什么是情感分析呢？从自然语言处理技术的角度来看，情感分析的任务是从评论的文本中提取出评论的实体，以及评论者对该实体所表达的情感倾向，自然语言所有的核心技术问题，例如：词汇语义，指代消解，此役小气，信息抽取，语义分析等都会在情感分析中用到。因此，情感分析被认为是一个自然语言处理的子任务，我们可以将人们对于某个实体目标的情感统一用一个五元组的格式来表示：(e,a,s,h,t)

以图为例，e是指某餐厅，a为该餐厅的性价比属性，s是对该餐厅的性价比表示了褒义的评价，h为发表评论者本人，t是19年7月27日。所以这条评论的情感分析可以表示为五元组（某餐厅，性价比，正向褒义，评论者，19年7月27日）。

情感分析根据处理文本颗粒度的不同，大致可以分为三个级别的任务，分别是篇章级、句子级和属性级。我们分别来看一下。

1. 篇章级情感分析

篇章级情感分析的目标是判断整篇文档表达的是褒义还是贬义的情感，例如一篇书评，或者对某一个热点时事新闻发表的评论，只要待分析的文本超过了一句话的范畴，即可视为是篇章级的情感分析。
对于篇章级的情感分析而言有一个前提假设，那就是全篇章所表达的观点仅针对一个单独的实体e，且只包含一个观点持有者h的观点。这种做法将整个文档视为一个整体，不对篇章中包含的具体实体和实体属性进行研究，使得篇章级的情感分析在实际应用中比较局限，无法对一段文本中的多个实体进行单独分析，对于文本中多个观点持有者的观点也无法辨别。
例如评价的文本是：“我觉得这款手机很棒。”评价者表达的是对手机整体的褒义评价，但如果是：“我觉得这款手机拍照功能很不错，但信号不是很好”这样的句子，在同一个评论中出现了褒义词又出现了贬义词，篇章级的分析是无法分辨出来的，只能将其作为一个整体进行分析。
不过好在有很多的场景是不需要区分观点评价的实体和观点持有者，例如在商品评论的情感分析中，可以默认评论的对象是被评论的商品，评论的观点持有者也是评论者本人。当然，这个也需要看被评论的商品具体是什么东西，如果是亲子旅游这样的旅游服务，那么评论中就很有可能包含一个以上的观点持有者。
在实际工作中，篇章级的情感分析无法满足我们对于评价更细致，如果需要对评论进行更精确，更细致的分析，我们需要拆分篇章中的每一句话，这就是句子级的情感分析研究的问题。

2. 句子级情感分析

与篇章级的情感分析类似，句子级的情感分析任务是判断一个句子表达的是褒义还是贬义的情感，虽然颗粒度到了句子层级，但是句子级分析与篇章级存在同样的前提假设是，那就是一个句子只表达了一个观点和一种情感，并且只有一个观点持有人。如果一个句子中包含了两种以上的评价或多个观点持有人的观点，句子级的分析是无法分辨的。好在现实生活中，绝大多数的句子都只表达了一种情感。
既然句子级的情感分析在局限性上与篇章级是一样的，那么进行句子级的情感分析意义何在呢？关于这个问题，需要先解释一下语言学上主观句与客观句的分别。在我们日常用语当中，根据语句中是否带有说话人的主观情感可以将句子分为主观句和客观句，例如：“我喜欢这款新手机。”就是一个主观句，表达了说话人内心的情感或观点，而：“这个APP昨天更新了新功能。”则是一个客观句，陈述的是一个客观事实性信息，并不包含说话人内心的主观情感。通过分辨一个句子是否是主观句，可以帮助我们过滤掉一部分不含情感的句子，让数据处理更有效率。
但是在实操过程中，我们会发现这样的分类方法似乎并不是特别准确，因为一个主观句也可能没有表达任何的情感信息，知识表达了期望或者猜测，例如：“我觉得他现在已经在回家的路上了。”这句话是一个主观句，表达了说话人的猜测，但是并没有表达出任何的情感。而客观句也有可能包含情感信息，表明说话者并不希望这个事实发生，例如：“昨天刚买的新车就被人刮花了。”这句话是一个客观句，但结合常识我们会发现，这句话中其实是包含了说话人的负面情感。
所以，仅仅对句子进行主客观的分类还不足以达到对数据进行过滤的要求，我们需要的是对句子是否含有情感信息进行分类，如果一个句子直接表达或隐含了情感信息，则认为这个句子是含有情感观点的，对于不含情感观点的句子则可以进行过滤。目前对于句子是否含有情感信息的分类技术大多都是采用有监督的学习算法，这种方法需要大量的人工标注数据，基于句子特征来对句子进行分类。
总之，我们可以将句子级的情感分析分成两步，第一步是判断待分析的句子是否含有观点信息，第二步则是针对这些含有观点信息的句子进行情感分析，发现其中情感的倾向性，判断是褒义还是贬义。关于分析情感倾向性的方法与篇章级类似，依然是可以采用监督学习或根据情感词词典的方法来处理，我们会在后续的小节详细讲解。
句子级的情感分析相较于篇章级而言，颗粒度更加细分，但同样只能判断整体的情感，忽略了对于被评价实体的属性。同时它也无法判断比较型的情感观点，例如：“A产品的用户体验比B产品好多了。”对于这样一句话中表达了多个情感的句子，我们不能将其简单的归类为褒义或贬义的情感，而是需要更进一步的细化颗粒度，对评价实体的属性进行抽取，并将属性与相关实体之间进行关联，这就是属性级情感分析。

3. 属性级情感分析

上文介绍的篇章级和句子级的情感分析，都无法确切的知道评价者喜欢和不喜欢的具体是什么东西，同时也无法区分对某一个被评价实体的A属性持褒义倾向，对B属性却持贬义倾向的情况。但在实际的语言表达中，一个句子中可能包含了多个不同情感倾向的观点，例如：“我喜欢这家餐厅的装修风格，但菜的味道却很一般。”类似于这样的句子，很难通过篇章级和句子级的情感分析了解到对象的属性层面。
为了在句子级分析的基础上更加细化，我们需要从文本中发现或抽取评价的对象主体信息，并根据文本的上下文判断评价者针对每一个属性所表达的是褒义还是贬义的情感，这种就称之为属性级的情感分析。属性级的情感分析关注的是被评价实体及其属性，包括评价者以及评价时间，目标是挖掘与发现评论在实体及其属性上的观点信息，使之能够生成有关目标实体及其属性完整的五元组观点摘要。具体到技术层面来看，属性级的情感分析可以分为以下6个步骤：

关于文本中的实体抽取和指代消解问题，我们已经在知识图谱的相关章节中做了介绍，这里就不再赘述。针对篇章级、句子级、属性级这三种类型的情感分析任务，人们做了大量的研究并提出了很多分类的方法，这些方法大致可以分为基于词典和基于机器学习两种，下面我们进行详细的讲解。

做情感分析离不开情感词，情感词是承载情感信息最基本的单元，除了基本的词之外，一些包含了情感含义的短语和成语我们也将其统称为情感词。基于情感词典的情感分析方法，主要是基于一个包含了已标注的情感词和短语的词典，在这个词典中包括了情感词的情感倾向以及情感强度，一般将褒义的情感标注为正数，贬义的情感标注为负数。
具体的步骤如图所示，首先将待分析的文本先进行分词，并对分词后的结果做去除停用词和无用词等文本数据的预处理。然后将分词的结果与情感词典中的词进行匹配，并根据词典标注的情感分对文本进行加法计算，最终的计算结果如果为正则是褒义情感，如果为负则是贬义情感，如果为0或情感倾向不明显的得分则为中性情感或无情感。

情感词典是整个分析流程的核心，情感词标注数据的好坏直接决定了情感分类的结果，在这方面可以直接采用已有的开源情感词典，例如BosonNLP基于微博、新闻、论坛等数据来源构建的情感词典，知网（Hownet）情感词典，台湾大学简体中文情感极性词典（NTSUSD），snownlp框架的词典等，同时还可以使用哈工大整理的同义词词林拓展词典作为辅助，通过这个词典可以找到情感词的同义词，拓展情感词典的范围。
当然，我们也可以根据业务的需要来自己训练情感词典，目前主流的情感词词典有三种构建方法：人工方法、基于字典的方法和基于语料库的方法。对于情感词的情感赋值，最简单的方法是将所有的褒义情感词赋值为+1，贬义的情感词赋值为-1，最后进行相加得出情感分析的结果。
但是这种赋值方式显然不符合实际的需求，在实际的语言表达中，存在着非常多的表达方式可以改变情感的强度，最典型的就是程度副词。程度副词分为两种，一种是可以加强情感词原本的情感，这种称之为情感加强词，例如“很好”相较于“好”的情感程度会更强烈，“非常好”又比“很好”更强。另外一种是情感减弱词，例如“没那么好”虽然也是褒义倾向，但情感强度相较于“好”会弱很多。如果出现了增强词，则需要在原来的赋值基础上增加情感得分，如果出现了减弱词则需要减少相应的情感得分。
另一种需要注意的情况是否定词，否定词的出现一般会改变情感词原本的情感倾向，变为相反的情感，例如“不好”就是在“好”前面加上了否定词“不”，使之变成了贬义词。早期的研究会将否定词搭配的情感词直接取相反数，即如果“好”的情感倾向是+1，那么“不好”的情感倾向就是-1。但是这种简单粗暴的规则无法对应上真实的表达情感，例如“太好”是一个比“好”褒义倾向更强的词，如果“好”的值为+1，那么“太好”可以赋值为+3，加上否定词的“不太好”变成-3则显然有点过于贬义了，将其赋值为-1或者-0.5可能更合适。
基于这种情况，我们可以对否定词也添加上程度的赋值而不是简单的取相反数，对于表达强烈否定的词例如“不那么”赋值为±4，当遇到与褒义词的组合时褒义词则取负数，与贬义词的组合则取正数，例如贬义词“难听”的赋值是-3，加上否定词变成“不那么难听”的情感得分就会是（-3+4=1）。
第三种需要注意的情况是条件词，如果一个条件词出现在句子中，则这个句子很可能不适合用来做情感分析，例如“如果我明天可以去旅行，那么我一定会非常开心。”，在这句话中有明显的褒义情感词，但是因为存在条件词“如果”，使得这个句子的并没有表达观点持有者的真实情感，而是一种假设。
除了条件句之外，还有一种语言表达也是需要在数据预处理阶段进行排除的，那就是疑问句。例如“这个餐厅真的有你说的那么好吗？”，虽然句子中出现了很强烈的褒义情感词“那么好”，但依然不能将它分类为褒义句。疑问句通常会有固定的结尾词，例如“……吗？”或者“……么？”，但是也有的疑问句会省略掉结尾词，直接使用标点符号“？”，例如“你今天是不是不开心？”，这个句子中含有否定词和褒义词组成的“不开心”，但不能将其分类为贬义情感。
最后一种需要注意的情况是转折词，典型词是“但是”，出现在转折词之前的情感倾向通常与转折词之后的情感倾向相反，例如：“我上次在这家酒店的住宿体验非常好，但是这次却让我很失望。”在这个转折句中，转折词之前的“非常好”是一个很强的褒义词，但真实的情感表达却是转折词之后的“很失望”，最终应该将其分类为贬义情感。当然，也存在出现了转折词，但语句本身的情感并没有发生改变的情况，例如“你这次考试比上次有了很大的进步，但是我觉得你可以做得更好”，这里的转折词没有转折含义，而是一种递进含义。在实际操作中，我们所以需要先判断转折句真实的情感表达到底是哪个，才能进行正确的分析计算。
构建情感词典是一件比较耗费人工的事情，除了上述需要注意的问题外，还存在精准度不高，新词和网络用语难以快速收录进词典等问题。同时基于词典的分析方法也存在很多的局限性，例如一个句子可能出现了情感词，但并没有表达情感。或者一个句子不含任何情感词，但却蕴含了说话人的情感。以及部分情感词的含义会随着上下文语境的变化而变化的问题，例如“精明”这个词可以作为褒义词夸奖他人，也可以作为贬义词批评他人。
尽管目前存在诸多问题，但基于字典的情感分析方法也有着不可取代的优势，那就是这种分析方法通用性较强，大多数情况下无需特别的领域数据标注就可以分析文本所表达的情感，对于通用领域的情感分析可以将其作为首选的方案。

我们在机器学习算法的章节介绍过很多分类算法，例如逻辑回归、朴素贝叶斯、KNN等，这些算法都可以用于情感识别。具体的做法与机器学习一样需要分为两个步骤，第一步是根据训练数据构建算法模型，第二步是将测试数据输入到算法模型中输出对应的结果，接下来做具体的讲解。
首先，我们需要准备一些训练用的文本数据，并人工给这些数据做好情感分类的标注，通常的做法下，如果是褒义和贬义的两分类，则褒义标注为1，贬义标注为0，如果是褒义、贬义和中性三分类，则褒义标注为1，中性标注为0，贬义标注为-1.
在这一环节中如果用纯人工方法来进行标注，可能会因为个人主观因素对标注的结果造成一定影响，为了避免人的因素带来的影响，也为了提高标注的效率，有一些其他取巧的方法来对数据进行自动标注。比如在电商领域中，商品的评论除了文本数据之外通常还会带有一个5星的等级评分，我们可以根据用户的5星评分作为标注依据，如果是1-2星则标注为贬义，如果是3星标注为中性，4-5星标注为褒义。又比如在社区领域中，很多社区会对帖子有赞和踩的功能，这一数据也可以作为情感标注的参考依据。
第二步是将标注好情感倾向的文本进行分词，并进行数据的预处理，前文已经对分词有了很多的介绍，这里就不再过多的赘述。第三步是从分词的结果中标注出具备情感特征的词，这里特别说一下，如果是对情感进行分类，可以参考情感词典进行标注，也可以采用TF-IDF算法自动抽取出文档的特征词进行标注。如果分析的是某个特定领域的，还需要标注出特定领域的词，例如做商品评价的情感分析，需要标注出商品名称，品类名称，属性名称等。第四步根据分词统计词频构建词袋模型，形成特征词矩阵，如表所示。在这一步可以根据业务需要给每个特征词赋予权重，并通过词频乘以权重得到特征词分数。最后一步就是根据分类算法，将特征词矩阵作为输入数据，得到最终的分类模型。

当训练好分类模型之后，就可以对测试集进行分类了，具体的流程与建模流程类似，先对测试的文本数据进行分词并做数据预处理，然后根据特征词矩阵抽取测试文本的特征词构建词袋矩阵，并将词袋矩阵的词频数据作为输入数据代入之前训练好的模型进行分类，得到分类的结果。
采用基于机器学习的方法进行情感分析有以下几个不足之处，第一是每一个应用领域之间的语言描述差异导致了训练得到的分类模型不能应用与其他的领域，需要单独构建。第二是最终的分类效果取决于训练文本的选择以及正确的情感标注，而人对于情感的理解带有主观性，如果标注出现偏差就会对最终的结果产生影响。
除了基于词典和基于机器学习的方法，也有一些学者将两者结合起来使用，弥补两种方法的缺点，比单独采用一种方法的分类效果要更好，另外，也有学者尝试使用基于LSTM等深度学习的方法对情感进行分析，相信在未来，情感分析会应用在更多的产品中，帮助我们更好的理解用户需求，提升用户使用智能产品的体验。

随着深度神经网络等算法的应用，情感分析的研究方向已经有了非常大的进展，但依然存在着一些难题是目前尚未解决的，在实操过程中需特别注意以下几种类型数据：

情绪轮在用户体验设计上被广泛的应用，很多情感化设计都是基于情绪轮进行的。但是在人工智能领域，将情绪进行多分类比情感分析的三分类任务要难得多，目前大多数分类方法的结果准确性都不到50%。这是因为情绪本身包含了太多的类别，而且不同的类别之间又可能具有相似性，一个情绪词在不同的语境下有可能表达的是不同的情绪类别，算法很难对其进行分类。即使是人工对文本进行情绪类别标注也往往效果不佳，因为情绪是非常主观性的，不同的人对不同的文本可能产生不同的理解，这使得人工标注情绪类比的过程异常困难。如何让机器可以理解真实的情绪目前还是一个未能攻克的难题。