Turney首次提出基於種子詞的非監督學習方法,使用“excelent”和“poor”兩個種子詞與未知詞在搜索網頁中的互信息來計算未知詞的情感極性,並用以計算整個文本的情感極性。後續的非監督情感分析方法大都是基於生成或已有的情感詞典或者相關資源進行情感分析。
例 如,Kennedy和Inkpen考慮文本中詞的極性轉移關系並基於種子詞集合進行詞計數決定情感傾向。朱嫣嵐等人將 壹組已知極性的詞語集合作為種子,基於HowNet對未知詞語與種子詞進行語義計算,從而判別未知詞的極性。Lin等采用LSM 模型、JST模型、Reverse-JST模型構建了三種無監督的情感分析系統。但是由於深層情感分析必然涉及到語義的分析, 以及文本中情感轉移現象的經常出現,所以基於深層語義的情感分析效果並不理想,本文針對中文文本中經常出現的情感轉移現象提出情感極性轉移模型,提高了深層語義情感分析的分析效果。