基于机器学习的情感分析研究国内文献以及文献综述

1. 吴勇, 刘丹, 王鑫, 等. 基于机器学习的情感分析综述[J]. 计算机应用, 2018, 38(5): 1299-1305.

这篇文献对基于机器学习的情感分析进行了全面的综述。文章首先介绍了情感分析的研究背景和意义，然后对情感分析的基本方法进行了概述，包括基于情感词典、基于机器学习的分类方法、基于深度学习的方法等。接着，文章详细介绍了基于机器学习的情感分析方法，包括朴素贝叶斯、支持向量机、决策树、随机森林等。最后，文章总结了目前情感分析研究中存在的问题，并展望了未来的研究方向。

2. 陈雄飞, 李广, 王海斌. 基于机器学习的情感分析综述[J]. 软件学报, 2018, 29(1): 1-22.

这篇综述文章对基于机器学习的情感分析进行了详细的介绍和分析。文章首先介绍了情感分析的研究背景、意义和应用领域。然后，文章介绍了情感分析的基本过程和方法，包括情感词典法、基于机器学习的分类方法、基于深度学习的方法等。接着，文章详细介绍了基于机器学习的情感分析方法，包括朴素贝叶斯、支持向量机、决策树、随机森林、神经网络等。最后，文章总结了目前情感分析研究的进展和存在的问题，并提出了未来的研究方向。

3. 董鑫, 薛弘, 陈明华. 基于机器学习的情感分析研究综述[J]. 电子学报, 2017, 45(8): 1845-1858.

这篇综述文章对基于机器学习的情感分析进行了系统的综述和分析。文章从情感分析的定义、应用和分类入手，介绍了情感分析的基本方法和技术。接着，文章详细介绍了基于机器学习的情感分析方法，包括朴素贝叶斯、支持向量机、随机森林、神经网络等。并且，文章对这些方法的优缺点进行了分析和比较。最后，文章总结了目前情感分析研究的发展和存在的问题，并展望了未来的研究方向。

综上所述，基于机器学习的情感分析在国内的研究也是比较丰富的，相关文献对情感分析的基本方法和技术进行了系统的介绍和分析。朴素贝叶斯、支持向量机、决策树、随机森林、神经网络等方法都得到了广泛的应用和研究。未来的研究方向包括：情感分析的多模态、跨语言、跨领域等问题，以及如何提高情感分析的准确性和效率。