在这方面我的记忆力不好，但我相信我对文本的语法结构和整体音调进行了一些研究。这也可以像短单词和情感表达单词一样简单（嗯，粗话很明显）。

编辑 ：我注意到，第一个回答的人的职位基本上相似。对于较短的句子，确实有一些严肃的想法。

如果您支持字体，则粗体红色文本可能是生气的用户。绿色常规尺寸的文本与蝴蝶剪贴画是一个快乐的人。

这是称为情感分析的自然语言处理领域的基础。尽管您的问题很笼统，但这肯定不是愚蠢的-例如，此类研究是由Amazon对产品评论中的文字进行的。

如果您对此很认真，则可以通过以下方式实现一个简单的版本-

1. 获得积极/消极情绪的语料库 。如果这是一个专业项目，您可能需要花费一些时间并自己手动注释一个语料库，但是如果您很着急或只是想先进行实验，那么我建议您查看Bo Pang和Lillian Lee的情感极性语料库 。研究。使用该语料库的问题在于，它不是针对您的域定制的（特别是，语料库使用电影评论），但仍然适用。

2. 将数据集分为正或负的句子 。对于情感极性语料库，您可以将每个评论分为其复合句子，然后将所有情感极性标记（正或负）应用于所有这些句子。将该主体分为两部分-90％用于培训，10％用于测试。如果您使用的是Weka，则可以为您处理语料库的拆分。

3. 在单词级别上将机器学习算法 （例如SVM，朴素贝叶斯，最大熵）应用于训练语料库。此模型称为单词袋模型 ，它只是将句子表示为组成的单词。这是许多垃圾邮件过滤器运行的模型。为了很好地介绍机器学习算法，有一个名为Weka的应用程序，该应用程序实现了这些算法的范围，并为您提供了可与它们一起使用的GUI。然后，您可以根据尝试使用该模型对测试语料库进行分类时所犯的错误，来测试机器学习模型的性能。

4. 将这种机器学习算法应用于您的用户帖子 。对于每个用户帖子，请将帖子分成句子，然后使用您的机器学习模型对它们进行分类。

因此，是的，如果您对此很认真，那么即使没有以往在计算语言学方面的经验，也可以实现。这将是很多工作，但是即使使用基于单词的模型也可以实现良好的结果。

如果您需要更多帮助，请随时与我联系-我总是很乐意帮助对NLP感兴趣的其他人=]

小笔记 -

1. 仅将一段文本分成句子是NLP的一个领域，称为句子边界检测 。有许多工具（OSS或免费工具）可以执行此操作，但是对于您的任务，只需在空格和标点符号上进行简单拆分即可。
2. SVMlight也是另一个要考虑的机器学习者，事实上，他们的归纳SVM与我们正在研究的任务类似，它试图用1000个肯定的例子和1000个否定的例子来分类哪些Reuter文章涉及“企业收购”。
3. 将句子变成特征进行分类可能需要一些工作。在此模型中，每个单词都是一个功能-这需要对句子进行标记化，这意味着单词和标点符号必须彼此分开。另一个技巧是将所有单独的单词标记小写，以使“我恨你”和“我恨你”最终都被认为是相同的。有了更多数据，您可以尝试并还包括大写是否有助于对某人是否生气进行分类，但我认为至少对于最初的尝试而言，单词应该足够。

编辑

我刚刚发现LingPipe实际上有一个关于情绪分析的教程，使用的是我正在谈论的Bo Pang和Lillian Lee Sentiment Polarity语料库。如果您使用Java，这可能是一个很好的工具，即使没有使用，它也会经过我上面讨论的所有步骤。

毫无疑问，可以根据用户输入的文字来判断用户的心情，但这并不是一件小事。我能想到的事情：

• 大写字母往往表示激动，烦恼或沮丧，并且肯定是一种情感反应，但随后又有一些新手这样做，因为他们没有意识到其重要性，因此，如果不查看他们写的内容，就无法假设（确保它不是全部大写）;
• 大写实际上只是强调的一种形式。其他使用某些激进的颜色（例如红色）或使用粗体或更大的字体；
• 有些人情绪激动时会做出更多的拼写，语法错误和错别字。
• 扫描表情符号可以使您清楚地了解用户的感受，但是类似:)可以被解释为高兴的，“我告诉过您”，甚至具有讽刺意味。
• 专有名词的使用往往具有明确的含义，但又没有明确的含义。许多人的口语演讲通常会包含某些四个字母的单词。对于另一些人，他们甚至可能不说“地狱”，而是说“ heck”，因此任何冒口（甚至是“吸”）都是重要的；
• 在不一定要使用专有名词的情况下，成组的标点符号（例如@＃$ @ $ @）往往会被替换为专有名词，因此口语化的可能性较小；
• 感叹号可能表示意外，震惊或激怒。

您可能想查看书面文本分析方面的进展，甚至可以通过结合多种证据来确定博客的心情 。

最后，值得注意的是，书面文字通常被认为比实际文字更负面。举一个例子，这是公司电子邮件通信中的一个普遍问题。

我不敢相信我会认真对待这个...假设一个一维的情绪空间：

• 如果文字中包含诅咒字眼，则表示-10情绪。
• 我认为感叹会趋于消极，所以-2情绪。
• 当我感到沮丧时，我输入Very。短。句子。 -5心情。

我越思考这个，很明显，很多这样的能指表示一般的极端情绪，但它并不总是很清楚什么样的心情就越多。