计算机在进行文本的情感分析时，还是要先将其转化为数学问题才能解决。

计算机一般采用如下类型的数学表达式来计算一句话的情感态度：

举个例子，比如在“难道非得让我说差么？” (疑问词“难道”往往和否定词结合起到双重否定的作用，有时人们也会把“难道”单独当成否定词来使用) 这样一句话中，“难道”和“非”都是否定词，所以该句话的整体分值就可以计算出来了，是(-1)^2*1*-1 = -1，那么这句话要表达的就是偏负面的态度。

再比如“难道这样不好吗?”中，“难道”和“不”都是否定词，分值为(-1)^2*1*1=1，那这句话的情感就是偏正面的。

一般来说，词汇的情感是偏正面还是负面，在不同的领域有不同的标准和说法。比如，“声音大”，在音响行业，其实就是非常正向的的词汇，但是在家电行业，说一个洗衣机“声音大”，其实表达的是负向的态度。所以，不同行业的算法工程师，都需要构建所属行业或领域的特色词库。

此时再看《女心理师》剧中的智能语音识别系统，就很好理解它的“聪明”所在了。在心理咨询或救援领域，“跳楼”“自杀”这些都是负向词汇，“不用来找我了”这句话中也有否定词“不”。因此当系统判断语音内容非常消极和负面时，就会自动弹出相应警报。

▲图片来源：优酷网剧《女心理师》

看到这步，恭喜你把左脚也踏进了智能语音识别科学的大门！

可以看到，上图中的警报弹框中，还有“需要专业支持”的提醒，智能水平较高。其实，在实际生活场景中，很多电商、互联网医疗等行业的企业所建设的智能客服系统，也已经进化到非常高的智能水平了，它们不仅能够理解文本内容，还能自主做推理、联想，提出相关专业建议，辅助决策。

而这个程度的“脑力”实现，使用到的正是知识图谱（Knowledge Graph）的技术。

知识图谱，本质上是一种揭示实体之间关系的语义网络，在搜索引擎、文本挖掘等领域有广泛应用。比如，当用户使用搜索引擎搜索“水果”时，会出现“水果的分类”“水果的营养价值”“最近的水果店在哪里”等关联词条，其背后使用的就是“水果”领域的知识图谱。

我们在实际生活中使用到的智能客服系统，其“智力”也正是来自于对特定行业知识图谱的不断学习。比如，电商平台的智能客服，背后依托的就是商品、订单、物流等方面的知识图谱。当用户咨询某个商品时，智能客服就会调用相关图谱，为用户提供商品详情、订单状态、物流状态、商品历史价格走势、商品使用方式等相关信息和建议。

看完本文，相信大家已经比较深刻理解智能语音识别、知识图谱等的技术原理了。技术不仅是生产力，更是有温度的。在正确的应用姿势下，大数据和人工智能在各行各业都能发挥出巨大的正向价值。

个推的图挖掘实践

作为一家数据智能公司，个推在知识图谱、图挖掘等方面的实践也非常丰富。比如，个推在开展大数据抗疫时，正是基于万亿级图的构建和挖掘，实现了疫情态势研判、传播路径分析等场景应用。详情查看>> 2021WAIC | 每日互动CTO叶新江：万亿级图下的数据智能

后续我们还将陆续出品《漫话DI》系列精彩内容，带大家一起读懂前沿技术，深刻感受数智之美。你想了解哪些内容呢？欢迎在个推技术实践公众号后台留言给我们。