”
情感分析啊，凌志有所了解。
早年的情感分析基本上是将文本分为积极、消极以及中性三类。
早在十几年前，相关的论文就已经不计其数。大家争先恐后地在各大会议上发表，并声称自己在公开数据集上取得了最优的效果，尽管分类准确率可能只是零点几个百分点的提升。
如今，这个任务的情感分析准确率早已被刷到了97%以上，再也没人在这个任务上浪费时间了。
如今大家做的情感分析会更细粒化。如将一句话的情感分为喜怒哀惧等多个类别，看看在哪一种类别上的得分最高，那么这句话就更偏向于哪类情感。
而多分类任务一般的准确率相对较低，在以前可能也就将将过50%。如今这个任务已经有人做到了80%以上，所以更多的，人们开始进一步将任务细粒化。
比如开始分析一句话中的情感到底是喜悦，还是假装喜悦，是恐惧，还是装作恐惧。由此带来了一串相关研究任务，如情感方面词提取，情感原因匹配对抽取等等。
凌志虽然不做这个研究方向，但是在入学时也有看过这类的书籍。
想要做情感分析的话，确实比较容易上手，不过想做出好成果，并不容易。
跑模型大家都会，但想要做出新意，效果超过其他所有人，可能付出的努力并不一定会比自己小。
“哦，挺好的，这个方向挺好上手的。有什么问题我们也可以交流，我以前也了解过一些情感分析的知识。”
“好啊，谢谢师兄。那师兄做的是什么研究方向呢？”
“哦，我呀，我做的是用户身份识别算法，就是根据用户的文本写作风格来判断两个账户是不是属于同一个人。……”
凌志简单介绍了一下自己的研究方向，只不过没有赘述自己遇到的困难，只是简单说了声自己没有什么重要进展。
“总之现在还是在调模型，大概就是这样。”
韩
