前言
情緒分析就是針對文本背後所詮釋的情緒進行分析。近來年機器學習和資料探勘正廣為學界和業界使用，而情緒分析則類似於資料探勘中的文字探勘，計算文本中各個字詞所代表的情緒分數，解讀進而轉化成資訊。
近年來比較常見的作法是針對新聞內容分析，投資的世界其實是一場資訊戰，投資人透過會計資訊、技術線圖的指標…等資訊進行投資決策，而情緒分析就像是伴隨科技更為進步的一種分析方法，針對字詞傳達出樂觀(Optimistic)、悲觀(Pessimistic)的情緒來判斷標的價格變化。
Python套件-Jieba結巴斷詞
在文本分析中，斷詞是一個大議題，因為沒辦法正確的斷詞，就得不出正確的資訊，而中文斷詞在執行上有個相當窒礙難行的地方，在於中文的詞與詞之間並沒有明顯的分隔。
舉例來說，市場預期未來六個月將持續高通膨。，這句話就是與多詞的組合，例如市場(名詞)、預期(動詞)、未來(future)...等等，但如果寫成英文呢
英文: Market expects high inflation rate will last six months.
詞與詞之間有明顯的空白分隔，因此可以輕易地區分出這句話中共有多少詞，但中文的區隔邏輯是不一的。
此時Jieba套件就是用於解決中文斷詞的問題，來看一下下面的例子。
jieba斷詞程式碼範例
導入了結巴斷詞套件後，設定要用來判斷字詞的辭典，進行斷詞。
import jieba
jieba.set_dictionary('./dict.txt.big')
text = "市場預期未來六個月將持續上漲"
seg_list = jieba.cut(text, cut_all=True, HMM=True)
print('/'.join(seg_list))
# 市場/預期/未來/六個/六個月/將/持續/上漲
上方cut()函數中有個參數cut_all，當設定為True時是全模式，設定為Fals是精確模式。
精確模式不會有同的字分到兩個詞的問題，全模式則是將所有可能都列出來。
seg_list = jieba.cut(text, cut_all=False, HMM=True)
print('/'.join(seg_list))
# 市場/預期/未來/六個月/將/持續/上漲
透過斷詞套件的輔助，解決了困難的斷詞作業，接著就能用文本中的詞句來計算情緒分數。
情緒分數計算
計算情緒分數的作業上，還缺一個很重要的元素，就是字詞所隱含的情緒方向和分數，在這邊使用台灣大學情緒字典(NTUSD)，裏頭提供了正面詞彙和負面詞彙的字典。
台大自然語言處理實驗室中還提供了英文字詞及對應的分數，裏頭有許多很棒的資源可以使用，提供參考。
接著隨機挑一篇財金新聞來做分析，原文連結在這
article = "台股在昨日成功站上萬七關卡後，今日早盤雖穩守萬七，仍再度陷入狹幅震盪整理，航運股相對弱勢，靠著電子股持續挺出，尤其 IC 載板、砷化鎵和電池材料族群相對強勁來維繫多頭動能，法人認為，上方有季線和半年線反壓，但目前成交量僅 2900 億元左右，仍有待時間化解套牢賣壓。由於外資上修欣興明年獲利，並看好 ABF 產業仍處在上升循環，ABF 載板三雄早盤相當強勢，欣興挾著財報利多直奔漲停，景碩漲 6%，南電漲近半根停板。砷化鎵族群也再度成為盤面焦點，穩懋、宏捷科均漲超過半根停板，全新漲近 4%。電池材料股續強，立凱 - KY 漲停，美琪瑪漲逾 2.5%，康普續漲 1.5% 之上。IC 設計相關個股表現也強勢，信驊一度大漲近 9%，立積漲超過 7%，普誠、聚積、驊訊、創惟和愛普等漲半根停板上下，智原、九暘、昇佳電子、茂達、九齊等漲逾 2%。不過，航運族群持續成為賣壓來源，新興、中航和裕民跌超過 3%，四維航、慧洋 - KY、志信、正德、萬海和台驊投控跌 2% 上下，長榮跌逾 1.5%，台航、中櫃、陽明、榮運、中菲行、遠雄港等均遭壓在盤下。統一投顧指出，短期均線持續走揚，但月線和季線仍處下行趨勢，9 月以來的上檔套牢賣壓需時間化解，應提防短線反彈結束。統一投顧也提醒，儘管近來美股財報獲利優於預期比例高達 8 成，激勵美股走勢，但中國限電問題對全球供應鏈的衝擊充滿不確定性，通膨和縮減購債議題不確定性仍存，仍須小心系統性風險。元大投顧則認為，大盤明顯已陷入均線糾結所造成萬七關卡的迷思，本波指數碰到季線下穿半年線處即萬七附近，多空呈現拉鋸，所幸回檔測試賣壓，並未失守月線，短線可以 5 日線做為強弱研判依據，有待放量上攻，否則整理期將拉長。"
接著讀取正負面詞彙的資料
with open('NTUSD_positive_unicode.txt', encoding='utf-16', mode='r') as f:
positive_words = []
for l in f:
positive_words.append(l.strip())
with open('NTUSD_negative_unicode.txt', encoding='utf-16', mode='r') as f:
negative_words = []
for l in f:
negative_words.append(l.strip())
有了文本和字典後，就能透過剛剛介紹的jieba套件來完成。
score = 0
jieba_result = jieba.cut(article, cut_all=False, HMM=True)
for word in jieba_result:
if word in positive_words:
score += 1
print(f'目前詞彙:{word}, 總分:{score}')
elif word in negative_words:
score -= 1
print(f'目前詞彙:{word}, 總分:{score}')
else:
pass
輸出結果
詞彙:成功, 總分:1
詞彙:陷入, 總分:0
詞彙:獲利, 總分:1
詞彙:成為, 總分:2
詞彙:超過, 總分:1
詞彙:超過, 總分:0
詞彙:成為, 總分:1
詞彙:超過, 總分:0
詞彙:提防, 總分:-1
詞彙:反彈, 總分:-2
詞彙:獲利, 總分:-1
詞彙:優於, 總分:0
詞彙:激勵, 總分:1
詞彙:問題, 總分:0
詞彙:衝擊, 總分:-1
詞彙:縮減, 總分:-2
詞彙:小心, 總分:-1
詞彙:明顯, 總分:0
詞彙:陷入, 總分:-1
在上面的例子簡化了計算的方法，直接用正面字詞為1，負面則為-1的方式計算，實際上還有許多的計算方法，而不同的詞隱含的分數也可能多寡不一。
經過斷詞和情緒字詞判斷後，得出本篇新聞的情緒分數為-1，這篇新聞算盤勢解析的分類，而綜合許多盤勢解析的文章後，就能得出簡易的計算出當前投資人情緒分數。