1樓：李曉曉
你好，情感分析屬於，機器學習_自然語言處理下_文字挖掘下的，具體可見以下NPL應用列舉的第三條。
補充：由於自然語言是人類區別於其他動物的根本標誌。沒有語言，人類思維也就無從談起，所以自然語言處理體現人工智慧最高任務與境界。
也就是說，只有當計算機具備了處理自然語言的能力時，機器才算實現了真正的智慧型。所以自然語言處理確實是當下逐漸熱的方向
七大自然語言處理應用場景列舉：
1. 句法語義分析：對於給定句子，進行分詞、詞性標記、命名實體識別和鏈結、句法分析、語義角色識別和多義詞消歧。
2. 資訊抽取：從給定文字中抽取重要資訊，比如，時間、地點、人物、事件、原因、結果、數字、日期、貨幣、專有名詞等等。
通俗說來，就是要了解誰在什麼時候、什麼原因、對誰、做了什麼事、有什麼結果。涉及到實體識別、時間抽取、因果關係抽取等關鍵技術。
3. 文字挖掘（或者文字資料探勘）：包括文字聚類、分類、資訊抽取、摘要、情感分析以及對挖掘的資訊和知識的視覺化、互動式的表達介面。目前主流的技術都是基於統計機器學習的。
4. 資訊檢索：對大規模文件進行索引。
可簡單對文件中的詞彙，賦之以不同的權重來建立索引，也可利用1，2，3的技術來建立更加深層的索引。在查詢的時候，對輸入的查詢表示式比如乙個檢索詞或者乙個句子進行分析，然後在索引裡面查詢匹配的候選文件，再根據乙個排序機制把候選文件排序，最後輸出排序得分最高的文件。
5. 機器翻譯：把輸入的源語言文字通過自動翻譯獲得另外一種語言文字。
根據輸入媒介不同，可以細分為文字翻譯、語音翻譯、手語翻譯、圖形翻譯等。機器翻譯從最早的基於規則的方法到二十年前的基於統計的方法，再到今天的基於神經網路（編碼-解碼）的方法，逐漸形成了一套比較嚴謹的方法體系。
6. 問答系統： 對乙個自然語言表達的問題，由問答系統給出乙個精準的答案。
需要對自然語言查詢語句進行某種程度的語義分析，包括實體鏈結、關係識別，形成邏輯表示式，然後到知識庫中查詢可能的候選答案並通過乙個排序機制找出最佳的答案。當然，現在還有VQA這種和影象結合問答，也很有趣。
7. 對話系統：系統通過一系列的對話，跟使用者進行聊天、回答、完成某一項任務。
涉及到使用者意圖理解、通用聊天引擎、問答引擎、對話管理等技術。此外，為了體現上下文相關，要具備多輪對話能力。同時，為了體現個性化，要開發使用者畫像以及基於使用者畫像的個性化回覆。
2樓：MindHiking
1、研究人工智慧植入情感
情感計算（Affective Computing)2、具備類似人類思維
功能角度模擬：通用人工智慧，AGI（Artificial General Intelligence)
實現角度模擬：神經形態計算（Neuromorohic Computing)
人工智慧該不該被植入人類情感？
呵呵，這是一道存在問題的題。情感是用來植入的嗎？可能樓主的意思是人工智慧可不可以擁有人類的情感。很遺憾的告訴你，低端的不會，高階的肯定有這功能，想去都去不掉。正在做一款具有情緒表達的智慧型機械人產品。喜怒哀樂情緒都有表達，已經出來了樣機，正在除錯，完善，優化中。個人認為，不應該。第一點，人工智慧的智...
人工智慧是否有情感？
機器characteristics 承受 inherit 物件another 計算機 perceptive unique 智慧型 innovative fresh 自生感性 客雷達科技 未來的某一天人工智慧是會具備與人差不多的情感的，個人更傾向人工智慧起初產生的情感是來自於程式的設定。人工智慧的行動...
為什麼要研究人工智慧？
badfatraccoon 我不知道別人或者主流是怎麼研究AI的，但是我最關心的是擬人的AI,嚴格說過是人工智慧的乙個分支，人工人類。就像中文房間思維實驗裡說的，人類到底是真的在說話，還是由大腦發出一系列指令給發生器官，然後按順序發出特定頻率的聲音。我們喜歡乙個人是真的喜歡乙個人，還是程式編輯好的讓...