由於語料缺乏，前期若使用到情感分析，建議暫時使用SnowNLP（此模塊主要使用淘寶評論語料）做情感挖掘，但不僅僅為單純調用，需要優化，下面是壹些實踐思考：
可在此基礎上優化，比如文本需要特別處理，除了平常的去停用詞外，還可以需要對輸入的文本結合詞性等進行處理。
下面是壹些常識：
壹）無情感的詞語(如去停用詞，去掉語氣詞，無詞性標簽的詞語）
二）對於文本過長，則可以考慮提取關鍵詞或抽取文本摘要後再提取關鍵詞
對於後者實踐結果差異明顯：
以"發布了頭條文章： 《5分鐘11億！京東雙11場景化產品消費增長明顯》 5分鐘11億！京東雙11場景化產品消費增長明顯 "為例子， 顯然該文本為“積極****”文本。
1）s = SnowNLP（"發布了頭條文章：《5分鐘11億！京東雙11場景化產品消費增長明顯》 5分鐘11億！京東雙11場景化產品消費增長明顯"）
得分為0.5，明顯不符合
2）s = SnowNLP（“ ”.join(jieba.analyse.textrank("發布了頭條文章：《5分鐘11億！京東雙11場景化產品消費增長明顯》 5分鐘11億！京東雙11場景化產品消費增長明顯")))
而對於文本特別長的，則可以先抽取摘要，再對摘要提取關鍵詞。
這主要由於此SnowNLP主要用貝葉斯機器學習方法進行訓練文本，機器學習在語料覆蓋上不夠，特征上工程處理不當會減分，也沒考慮語義等。
為何要考慮語義層面：
以“ 蘇寧易購，是誰給妳們下架OV的勇氣****” 中的“ 下架”其實才是中心詞（為表達憤怒的文本），但“ 勇氣 ”為下架的賓語（其為積極的文本），此句應該結果小於0.5，但實際為0.88，去掉“蘇寧易購”則為0.6>