一、点互信息算法
点互信息算法是为了计算两个词语之间的相关性，公式如下：
p(word1 & word2)代表的是两个单词同时出现的概率（两个单词同时出现的次数/总词数的平方）
p(word1）是word1出现的概率（word1出现的次数/总次数）
p(word2）是word2出现的概率（word1出现的次数/总次数）
结果：
PMI > 0；两个词语是相关的；值越大，相关性越强。
PMI = 0；两个词语是统计独立的，不相关也不互斥。
PMI < 0；两个词语是不相关的，互斥的。
二、情感倾向点互信息算法（SO-PMI）
选用一组褒义词（Pwords）跟一组贬义词（Nwords）作为基准词。若把一个词语word1跟Pwords的点间互信息减去word1跟Nwords的点间互信息会得到一个差值，就可以根据该差值判断词语word1的情感倾向。
SO(phrase)>0 正面倾向，是褒义词
SO(phrase)=0 为中性词
SO(phrase)<0 为贬义词
标签：词语,互信息,次数,算法,SO,word1,PMI 来源： https://www.cnblogs.com/zhang12345/p/15708525.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。