人间四月芳菲尽，方飞尽@_@
为了更完整地认识情感分析方法，接上篇“情感分析系列”，本篇主要分两个部分：
一、斯坦福大学自然语言处理第七课“情感分析”点击打开链接
二、最新情感分析相关论文：深度上下文、支持向量机、两级LSTM、多模态情感分析、软件工程、代码混合点击打开链接
-----------------------------------------------------------------------------------------------------------------------------------------------------
一、斯坦福大学自然语言处理第七课“情感分析”
此处记录情感词典及情感词典构建的方法，毕竟在数据量不大的情况下，基于词典的方式还是推荐的。
其中，词典构建方法具体包括：基于bootstrapping的方法，Turney Algorithm，Using WordNet，etc.
词典的方式比较原始，但不全无参考价值。
二、最新情感分析相关论文：深度上下文、支持向量机、两级LSTM、多模态情感分析、软件工程、代码混合
之前没有介绍应用深度学习的情感分析方法，虽然情感分析多归结为情感分类问题，但是深度学习的方法新颖，值得研究。
1.“ρ-hot Lexicon Embedding-based Two-level LSTM for Sentiment Analysis”（基于ρ-hot词典Emebedding的两级LSTM情感分析），利用新的标签策略和两层LSTM构建情感分类器。首先，为情感文本引入两阶段标签策略。在第一阶段，邀请注释者用相对纯粹的情感取向来标注大量短文本。每个样本仅由一个注释器标记。在第二阶段，相对少量的混合情绪取向的文本样本被注释，每个样本被多个注释者标记。其次，提出了一个两级长期短期记忆（LSTM）网络来实现两级特征表示，并对文本样本的情感方向进行分类以利用两个标记的数据集。最后，在所提出的两级LSTM网络中，利用词汇嵌入来结合基于词典的方法中使用的语言特征。
两层LSTM网络：
2. Multimodal Sentiment Analysis: Addressing Key Issues and Setting up Baselines
