参与网络舆情的用户在表达观点的时候，句型多变，修饰手法也多种多样，有时还夹杂很多反语、讽刺的言语，计算机尚无法自动准确理解。蔡建平等^[1]采用句子修辞分析法，定义一些修辞规则进行上下文情感倾向修正。娄德成等^[2]结合句子依存关系分析，针对不同修辞关系，使用不同的极性计算方式。上述两种方法均不够简便易行，经过测试这两种方法运用到论坛式信息源，效果也比较一般。

本书将探索一种较为简易的句子级情感倾向计算方法，大概思路是：先对回帖进行句子划分，然后循环扫描回帖中所有句子；先将句子中所有副词用一个临时堆栈存储，把所有非副词的情感极性值累加，最后将累加值与副词临时堆栈里面的所有副词极性值相乘，并将结果作为该句子的倾向值；扫描下一个句子，直到回帖中所有句子扫描完毕，将回帖中所有句子极性值按照位置不同乘以不同权重后相加，将结果作为该回帖的情感倾向值。描述算法的流程如下：

1）获取帖子线索的一个回帖R，将帖子进行句子切分得到句子S1，S2，…，Sn。

2）扫描句子S1的所有词语，把所有的副词先存储到一个临时堆栈Stack中，将其他所有的情感词极性值进行累加，得到值T1。

3）将值T1与临时堆栈Stack的所有副词的极性值进行相乘后得到该句S1的情感倾向值Total1。(www.daowen.com)

4）句子S1的情感倾向值计算完毕，搜索下一个句子S2，重复步骤（2）和（3）得到句子S2的情感倾向值Total2。

5）直到计算出Sn的情感倾向值Totaln，并利用下面公式计算回帖的总倾向值F。

其中α为句子Si的权重系数，n为回帖中句子总数。这个主要是考虑到汉语的使用习惯问题，人们比较喜欢在句首或句尾表达主要看法和意见。经统计分析和实验测试可知，可以为句首、句尾和其他普通句子赋予不同的权重。详情如下：