【第五部分：实战项目进阶】【16.从零开始学NLP：情感分析与词向量模型实战指南（Word2Vec、BERT全解析）】

一、开篇：为什么情感分析是NLP的必修课？

在电商平台浏览商品时，你是否注意过那个"查看全部评论"的按钮？社交媒体上，品牌方如何快速判断用户对新品的态度？这些场景背后都依赖同一个核心技术——情感分析（Sentiment Analysis）。作为自然语言处理（NLP）的经典应用，情感分析能让计算机理解文本中的喜怒哀乐，将人类语言转化为可量化的情感标签（正面/负面/中性）。

但要实现精准的情感分类，必须突破两个核心难题：

1. 语言的离散性：人类语言由一个个独立的词语组成，计算机如何理解这些符号的语义关联？
2. 语义的复杂性：“这个手机续航太差，但拍照效果绝了”——这种复杂情感如何准确捕捉？

解决这些问题的关键，就是本文要深入解析的词向量模型（Word2Vec）和预训练模型（BERT）。我们将从最基础的文本预处理开始，逐步构建完整的情感分析技术栈。

二、文本预处理：让计算机看懂人类语言

2.1 分词：将文本拆解为基本单元

计算机无法直接处理连续的自然语言文本，第一步需要将其拆解为词语（Token）。