2000年之前，人们对数据没有足够重视，数据集也较少，中文情感分析的研究也因此受到限制。之后随着数据集增加，中文情感分析的研究开始有新进步；2010年后，随着深度学习的发展，基于深度学习的情感分析准确率也在不断的提升。
中文情感分析介绍
情感分析也称为情感分类，属于自然语言处理常见的应用。最基本的情感分析是分析本文呈现的信息是正面还是负面，再进行级别划分，能够对正负的感情再设置不同强度和归类。和其他的人工智能技术相比，情感分析有自己的特殊性；数据挖掘的其他方面类型主要是基于海量客观数据进行模型构建和分析，但情感分析主要是分析用户观点和情感倾向，具有较大的用户主观因素。
虽然用户的情绪是主观的，但是情感分析能够使用一些情感得分指标对数据进行量化和定性。这也就实现了情感分析在具体商业活动中的实践。
中文情感分析应用介绍
随着社交平台对商业活动的影响力度增加，情感分析也在商业应用中开始发挥了自己的特色功能，其应用范围也在不断增加。
比如在商品零售领域，分析用户心理对于零售商和生产商非常重要，通过对海量用户的评价进行情感分析，能够量化用户对产品及其竞品的褒贬程度，了解用户对于产品的评价，进而及时对产品进行合适的调整。
在社会舆情领域，对大众的整体点评进行分析能够正确的掌握舆论走向。
在企业舆情方面，利用情感分析能够了解企业的正负面评价消息，为企业的战略规划提供决策依据，提升企业的整体竞争力。
中文情感分析平台介绍
NLPIR-Parser大数据语义分析平台历时20年，为用户提供了本地化部署的客户端实现语义智能分析的全链条一站式服务，能够完成精准采集， 文档格式转换、新词发现、批量分词、语言统计、文本聚类、文本分类、摘要实 体、智能过滤、情感分析、文档去重、全文检索和编码转换十三项独立功能。
情感分析不是单单的对特定人物感情来进行分析，同时还要对特定人物相关事件一起来分析才能得出科学、全面的分析报告。NLPIR系统能够实体抽取智能识别文本中出现的人名、地名、机构名、媒体、作者及文章的主题关键词，并且不需要这些词已经存在，实现对语言的深入理解和预测。同时，NLPIR系统采用基于角色标注算法自动识别命名实体，开发者能够在平台基础上实现多样化的数据挖掘应用。
