数据可视化之文本情绪（极性）分析_情感分析data数据来源

从应用层面来看，文本情感分析最具有价值也是最便于直接利用的领域是对于顾客评论的分析，尤其是在当今网购已成为人们不可或缺的消费渠道时，人们会非常直接在各个电商平台上对所购买的商品做出正负面评价。实时上，现在已有很多情感可视化系统正是是专门针对这一场景设计的。

下图的可视系统例举的是顾客对某款打印机评论的可视化分析结果，以热力图的方式同时展示了评论量和情感。其中每一行代表一种品类的打印机，每一列则是打印机的某一属性，红色表示消极情绪，蓝色则代表正面情绪，颜色的深浅程度代表该情绪的高低，每一个方格中的方块大小表示评论数量。这种可视化方式，不仅合理地将情绪极性数据同产品的各个维度结合在一起，还简洁、高区分度地呈现出数据分析师最想第一时间获取的关机讯息：情感极性。

Rohrdantz在2012年在ACM Trans上发表《Feature-Based Visual Sentiment Analysis of Text Document Streams》
介绍了一整套完整的用户评论情感可视系统，该系统整合了文本挖掘、情感分析与可视分析技术，帮助系统使用者提取文本中的有意义信息，比如情感变化、数据密度、关键词等等。下面的热力图展示了时间线上的情感变化，其中每一个像素点代表一条文本，绿色为积极情绪、红色为负面情绪、黄色为中性情绪。该图以日历的形式展现整体时间线上的情感分析结果。

该系统为了更好地表现情感变化、数据密度以及关键词上下文，还提供了如下的时间密度图。

下图中的例子是抽取了5万条包含了关键词”password”的评论形成的情感时间密度图，每一条评论以竖线的形式展示，依然以红色(消极)、绿色(积极)、灰色(中性)的方式表示情绪，而竖线的高度则代表了计算结果的可信度，越高代表可信程度越高。当选中每一条竖线的时候，可以回溯到具体的评论内容，评论内容中出现的名词、形容词也会用具体的情绪颜色做出标注。最下方的曲线则是用来展示数据密度。

除此之外，系统还设计了一套算法用来标识出系统使用者可能会感兴趣的内容，如下图所示是系统自动识别出的5个在时间密度图中值得被关注的话题。