情感倾向（共8篇）
情感倾向 篇1
性格倾向指数测评
请根据自己的第一印象回答，不要过多考虑。
1、与观点不同的人也能友好往来。
是 否 不全是
2、你读书较慢，力求完全看懂。
是 否 不全是
3、你经常分析自己、研究自己。
是 否 不全是
4、在人多的场合你总是力求不引人注意。
是 否 不全是
5、你是个不拘小节的人。
是 否 不全是
6、你能够做好领导团体的工作。
是 否 不全是
7、受到表扬后你会工作得更努力。
是 否 不确定
8、你希望过平静、轻松的生活。
是 否 不确定
9、你常会一个人想入非非。
是 否 不确定
10、你很喜欢参加集体娱乐活动。
是 否 不确定
11、你总是三思而后行。
是 否 不确定
12、你始终以乐观的态度对待人生。
是 否 不确定
13、你总是独立思考回答问题。
是 否 不确定
14、你不怕应付麻烦的事情。
是 否 不确定
15、你几乎从不主动制订学习或工作计划。
是 否 不确定
16、你很关心别人会对你有什么看法。
是 否 不确定
17、和别人在一起时，你的话总比别人多。
是 否 不确定
18、你喜欢独自一个人在房内休息。
是 否 不确定
19、你的情绪很容易波动。
是 否 不确定
20、看到房间里杂乱无章，你就静不下心来。
是 否 不确定
21、遇到不懂的问题你就去问别人。
是 否 不确定
22、在一个新的环境里你很快就能熟悉了。
是 否 不确定
23、常会过高地估计自己的能力。
是 否 不确定
24、你感到脚踏实地地干比探索理论原理更重要。
是 否 不确定
25、你很注意同事的工作业绩。
是 否 不确定
情感倾向 篇2
1 藏文句子的定义
2 藏文的词性
藏文词性标记以《青海民族大学藏语语料库基本加工规范》基础,结合分析句子的情感倾向的要求,制定了如表1所示的藏语词类标记。
其中情感词以名词、动词、形容词组成。
3 句子的情感倾向分析
句子情感倾向分析中转折句和否定句是其重要的组成部分。藏文中的转折词有“”等,否定词有“”即“”等。
分析句子情感倾向步骤为:第一步,查看待处理句子中是否存在转折词,如果存在取转折词后面的藏文句子,否则取整个藏文句子。第二步,对取得的句子进行分词标注并提取关键词。第三步,对关键词进行分析,判断是否存在情感词。第四步,判断情感词是褒义还是贬义。第五步,分析情感词前面的第一个词是否为“和”或者后面存在“和”,如果存在这样的否定词情感倾向的值取反。其流程过程图1所示:
4 结语
句子情感倾向研究是处理自然语言的基础课题,本文从句子的结构研究了情感词的提取及句子情感倾向。句子情感倾向是分析文本情感的基础与前提,有助于藏文自然语言的处理。
摘要：句子情感倾向研究是处理自然语言的基础课题,本文从句子的结构研究了情感词的提取及句子情感倾向。
关键词：情感词,词性,转折词
参考文献
[1]嘎玛司都.司都文法详解[M].青海民族出版社,1982.
[2]吉太加.现代藏文语法通论[M].甘肃民族出版社,2000.
基于最大熵的情感倾向研究 篇3
【关键词】用户评论；文本分类；最大熵模型；情感倾向
【Abstract】With the rapidly expand of electronic commerce， it has emerged many shopping websites and the product forum in the net，these shopping websites and the product forums provide specially the platform for the consumers to publish their reviews.More and more people like to browse the user and the media published some product reviews and the report information before making a decision.Maximum entropy model is used to Sentiment Analysis.In experiments，maximum entropy model is a promising technique for sentiment analysis.
【Key words】Customer reviews；Test classification；Maximum Entropy Model；Sentiment；Analysis
0.引言
随着电子商务的迅速发展，近年来，自有服装品牌、网站销售的购物模式得到了越来越多顾客的认可，如凡客诚品、梦芭莎等，因为是自有品牌，所以这些购物网站的商品质量相对统一。越来越多的人在做出消费决策前喜欢到互联网上参考用户和媒体对某产品的评论和报道信息。通过互联网上的产品评论，消费者可以了解其他用户对产品的态度倾向，从而做出更好的购买决策，对于销售商和生产商，可以及时获得用户对其产品和服务的反馈，了解用户对自己和对竞争对手的评价，从而改进产品，改善服务，获得竞争优势。因此，作为非结构化信息挖掘的一个新兴领域，产品评论的情感倾向研究引起了人们极大的兴趣。[1]
1.最大熵模型
最大嫡模型是用来进行概率估计的：假设是某个事件，b是事件a 发生的环境（或称上下文），我们想知道a和b的联合概率，记为p（a，b） 。更一般地，设所有可能发生的事件组成的集合为A，所有环境组成的集合为B，我们想知道，对于任意给定的a∈A b∈B，概率p（a，b）是多少？
我们把这个问题放到自然语言处理的领域来讨论，对于文本分类问题，一个文档分到某个类别可以看成一个事件，文档中出现的词可以看成这个事件发生的环境，我们想知道包含词b的文档属于某一类 a的概率。很容易想到的方法是通过训练语料进行统计。给定一个训练集，定义A=（a1，a2，···，am）是文档所属类别集，B=（b1，b2，···，bn）是文档的特征词集，num（ai，bj）为训练集中二元组（ai，bj）出现的次数，那么我们可以使用如下公式进行概率估计：
（ai，bj）= （1）
这个方法有个很大的问题，即“稀疏事件”（sparse evidence）问题，即便是很大的训练文本，很多二元组仍然没有出现，武断地认为它的概率为0，显然是不可取的。最大熵模型是这样来解决稀疏事件问题的，它使未知事件的概率分布总是尽可能均匀，即倾向于得到最大嫡[2]。例如一个军事、政治和科技的3类文本分类问题，我们得知，出现“飞机”这个词的80%的文档属子军事类别，对于“飞机”这个词在其他两类中的分布未知.根据最大嫡原则，如果给定一个包含“飞机”这个词文档，那么认为文档以0.8的概率属于军事类别，分别以0.1的概率属子其他两类；如果文档中不包含“飞机”这个词，那么认为文档分别以相同的1/3的概率属于每一个类.即在符合已知约束的情况下，使未知事件的分布尽可能均匀。
具体来说，根据Shannon[2]的定义，嫡的计算公式如下：
H（P）=-p（x）log2p（x） （2）
那么，求解满足最大嫡原则的概率分布的公式如下：
p*=arg maxH（P） （3）
如果没有其他任何先验知识，根据滴的性质，式（3）得到最大值的条件是：
p（a|b）= （4）
因为p（a|b）=1
但是，尽管训练语料中不能给出所有二元组（ai，bj）的概率值，但能够给出部分二元组的概率值，或某些概率需要满足的条件。即问题变成求部分信息下的最大滴或满足一定约束的最优解。
如何表示这些部分信息呢研究者引人了特征函数的概念（有时简称为特征）.特征函数一般情况下是一个二值函数f（a，b）→[0，1]，例如对于上述的文本分类问题，我们可以定义特征函数为：
f（a，b）=1，（a=事类）∧（b=飞机）
0 othersize
对于特征函数关，它相对于经验概率分布（a，b）的期望值为：
Ef=（a，b）f（a，b） （5）
特征函数f相对于模型（a|b）的期望值为：
Epf=（b）（a|b）f（a，b） （6）
我们限制在训练集中，这商个期望值相同，即
Epf=Ef （7）
我们将式（7）称为约束。显然，可以定义很多的特征函数，它们之间可以是互不相关的，甚至问题的角度也可以是完全不同的刻问题的力度也可大可小总之，特征函数很灵活地将许多散、零碎的知识组合起来完成同一个任务.给定k个特征函数f1，f2，···，fk我们可以得到所求概率布的k组约束，
Epf=Ef
其中，i=1，2，···，k。现在，我们的何题就变成了满足一组约束条件的最优解问题，即
p={p|Epf=Ef，i=1，2，···，k}
p*=arg H（p） （9）
求解这个最优解的经典方法是拉格朗日乘子算法，本文直接给出结论。式（9）要求的p*具有下面的形式：
p*（a|b）=exp（λifi（a，b） （10）
其中，π（b）是规一化因子。
π（b）=exp（λifi（a，b） （11）
λi是参数，可以看成特征函数的权值，如果通过在训练集上进行学习，知道了 的值，就得到了概率分布函数，完成了最大嫡模型的构造。设|A|是事件集的大小，k是特征函数的数目，从式（10）我们可以看到塌大嫡模型的时间复杂度是O（k|A|）。
为了构造最大嫡模型，我们必须求出参数λ，文本中我们使用了GIS算法。设N是训练样本集的大小，|A|是事件集的大小，算法经过P次迭代后收敛，则整个复杂度是O（NP|A）。
2.实验
基于网络产品评论的倾向化研究实验，我们选取了凡客诚品购物网。凡客诚品购物网网是国内著名的拥有自主品牌，网络销售的以服装类销售为主的购物网站，该网站包括数万个款式的服装，数百万个注册用户和数千万条评论数据。本文选择了包含评论最多的100款服装作为研究对象。
本文实验的结果主要有两个评价指标：召回率和准确率。召回率是模型正确判断的结果占所有正确结果的比率；准确率是模型正确判断的结果占所有判断结果的比率[3]。为了综合评价系统的性能，一般还会计算一个F值，即准确率和召回率的加权几何平均值[4]。以上三个评价指标的计算公式如下：
其中，β是召回率和准确率的相对权重，本文取β=1，即认为召回率和准确率同等重要。
主观评论一般分为三类：正面褒扬类、中立类、反面贬斥类，可以根据评论中出现的情感词进行判别[5]。本文的实验语料为用户对100款服装的评论，从中选出800条评论语句。本文首先将原始语料进行了处理，为了不破坏评论中情感词的上下文关系，更好地将评论的倾向性看作一个序列，降低数据拟合对实验结果的影响，我们抽取其中的600条评论作为训练集，200条评论作为测试集。评论的标记情况如表1所示：
利用最大熵模型对其中600条标记的评论进行训练，得到一个模板文件，然后根据此模板文件对剩余200条测试语料进行测试，实验结果如表2所示。
从下表可以看出，200条测试评论人工标注的结果为褒扬类100条，贬斥类80条，中立类20条，而模型判断的结果为：褒扬类87条，贬斥类67条，中立类46条。由于受到客观中立类冗余标记的影响，有些本身带有情感倾向的评论没有被模型正确识别出来，而是误将它们划分到了中立的类别中，同时，有些本身不包含情感倾向的中立类评论被误分到了褒扬或贬斥的类别中[5]。上表中匹配标记指的是模型判断出的结果与人工标注的结果相一致的标记，也就是指模型判断正确结果的总数。整体来看，三类标记取得的准确率和召回率不是很高，仅为61.5%，尤其是中立类的准确率不到30%，是因为在训练过程中，模型受客观冗余标记的影响，将一些褒扬或贬斥类的评论误分到了中立类别中，导致模型判断出的中立类结果总数增多，从而降低了其准确率。
3.结论
在评论中可能出现了情感词表中未能包含的情感词汇或者是出现了在否定词表和程度副词表中没有包括的否定词和程度副词，因为情感词表是我们人工标注的，由于精力有限，使得情感语料规模有限，这也使得统计不够全面。 对于评论中的一些词汇是否包含情感，是否是情感词汇，只能通过人工才能判断，无论是采用基于规则的，还是基于统计的方法，目前的机器计算都还无法判断出来的[6]。以上这两方面可能是造成我们的结果精确度不高的原因。总的来说，取得了不错的准确率和召回率，都达到了60%以上，表明使用最大熵模型做情感倾向研究是很有效的。
【参考文献】
[1]姚天昉，娄德成.汉语语句主题语义倾向分析方法的研究.中文信息学报，2007，21（05）：73-79.
[2]徐琳宏，林鸿飞，杨志豪.基于语义理解的文本倾向性识别机制阴.中文信息学报，2007，21（1）：96-100.
[3]周俊生，戴新宇，尹存燕，陈家骏.自然语言信息抽取中的机器学习方法研究.计算机科学，2005，32（03）：186-190.
[4]Adam L.Berger，Stephen A.Della Pjetra， and Vincent J.Della Pjetra .A Maximum EntropyApproach to Natural Language Processing.Computational Linguistic，1996，22（l）：39-71.
[5]姚天防，程希文，徐飞玉等.文本意见挖掘综述[J].中文信息学报，2008，Vol.22（No.3）.
[6]许洪波，姚天防，黄营等等.“中文倾向性分析评测技术报告”.北京：第二届中文倾向性分析评测会议（COAE2009），2009.
如何看待小学化倾向 篇4
一、损害孩子的兴趣
有研究表明：影响孩子学业成绩的第一因素不是知识的准备问题，而是孩子是不是处于一种积极主动的学习态度，是否激发了孩子的学习兴趣，是否引发了孩子对知识的好奇心，是否帮助孩子养成了良好的学习习惯，是否培养了孩子知识的迁移能力，是否帮助孩子树立了克服困难的勇气，是否教孩子学会自己想办法解决问题，教孩子学会探索、学会合作等等．过度教育的内容大多超出了孩子的年龄和能力所能承受的范围，如再采取强制的方式来进行，必然会激发孩子的厌烦情绪和抵抗情绪，最终使孩子的学习兴趣受到损害．
处在学龄前阶段的孩子，其大脑以及身体的各个器官和组织的发育还不完善，决定了他们还不能像小学生那样坐下来正规的学习．作为孩子的教育者——家长和老师，非要像对待小学生一样要求他们，这正如还没有长出牙齿的要儿，非要他吃坚硬的食物一样，这种违背规律的做法对孩子的危害可想而知。学前儿童的生理、心理特点，决定了他们的生活应以游戏为主，他们的知识学习应以生动形象的口头语言为主．如果把孩子一天到晚关在屋予里学汉字算算术，孩子们会很扫兴．当他们进入了小学，拿到的课本却与父母教的一样，新鲜感烟消云散．会不堪再学，于是，对学习产生恐惧和厌恶的心理，结果使孩子还未正式开始学习的过程，就已产生了厌学的情绪，这才是最糟糕的事情。
二、伤害孩子的自信
不管孩子年龄有多小一律要求他们写字、算数，如果写不好(这是必然的，因为他们还没有到能写好的年龄)，家长呵斥、打骂，老师批评，孩子在这种小学化的教育过程中，得不到快乐，而得到的常常是消极的情绪体验，自然会认为学习就是一件痛苦的事情，孩子们在花费了时间和精力之后，如果依旧难以达到家长的要求，那便会体会到越来越多的挫败感，这样不利于孩子自信心的建立．而这些良好的非智力因素的养成，关键期在学前．这也是幼儿园教育的重点所在．良好的非智力因素的养成会使孩子终生受益．从孩子的终生可持续性发展的角度来讲。培养孩子学会认识、做事、做人、共同生活等良好的个性品质，帮助孩子养成良好的行为习惯，才是为孩子打下了良好的成长基础，这些远比教给孩子具体的知识更重要，这才是真正的使孩子赢在了起跑线上。
三、扼杀孩子的潜能。
小学化学前教育”强调向幼儿灌输”知识，忽视幼儿在游戏中主动的、探索性的学习，忽视了语言能力、数理逻辑能力、初步的音乐欣赏能力、身体各部的运动能力、人际交往能力，自我评价能力、空间想象能力、自然观察能力等多智能的全面开发．而正规的幼儿教育，教师每设计一个游戏活动往往使幼儿得到多种能力的训练，孩子在这种以游戏为主的教育活动中变得越来越健康、活泼、聪明，比那些会写多少字、会算多少数的孩子在正式上学以后更有潜力。
四、不利于幼儿正常发育
从生理上讲学前阶段的幼儿正处于长身体的阶段，机体和神经系统都还比较弱。长时期地伏在桌子上学习，易导致孩子身体发育不良．由于一些家长只着眼于让孩子获得知识，而忽略了孩子用眼卫生，造成孩子患近视眼等多种疾病。不仅如此如果强制幼儿长时间的集中注意，大脑容易疲劳．会造成经系统的伤害，使孩子变得表情呆板；过早过多的进行规箍性学习，不利于孩子肌肉、骨骼的发育，会导致幼儿近视、驼背、消瘦等身体上的不良症状的产生，给幼儿的身体健康带来严重危害。
从智力上讲，那些在轻松、自由、快乐环境下成长的孩子从小就接受语言的训练，对语言的理解能力强，能很快的将应用题中复杂的数据理顺关系并做出灵敏的反应．因此，从上学开始，学习很轻松没有太大压力．成绩也一直名列前茅．与其相反．学前教育。小学化”方式教育出来的孩子，因长时问的。灌输”学习，智力没有到全面开发反而受到抑制，头脑僵化，反应不灵活，对孩子以后的发展非常不利。
五、影响全面平衡发展
孩子某一方面的发展可能是以牺牲其他多方面的发展为代价的．孩子的眼前发展可能是以损害长远发展为代价的．过度教育能使孩子学到一定的知识或掌握一定的技能，但他们学习的积极性却在逐步丧失，主动学习的能力也难以得到培养和锻炼。幼儿天性是爱游戏的，专家指出：幼儿在成人意义上的。玩”，其实都是在学习．游戏是幼儿学习的最基本的形式。幼儿园主要是通过训练，使幼儿从小养成良好的行为方式和生活习惯，使其终身受益。
学前教育“小学化”倾向影响了小学正常的教学秩序。由于幼儿在幼儿园学习的内容不同、参差不齐的小学知识，当其升入小学一年级后，小学教师难以按照教学要求施教，扰乱了小学的教学进度安排，甚至有的孩子不用花多大力气就可以获得好成绩，就会养成不动脑、不思考的不良习惯，当他们的“储备”用尽时，面对新的学习内容，一下子不能适应，结果学习成绩下降甚至学习跟不上的情况都得以产生。过早让幼儿用笔书写汉字，易影响手部肌肉的发育，并造成握笔姿势不正确，进入小学后也难以纠正。
六、破坏亲子关系和谐
谈谈自我中心倾向教案 篇5
一、理论基础 “自我中心”这一概念一开始是由皮亚杰提出的，主要是指在前运算阶段的7岁以下的个体会发生一种发展特征，即他们很难想象从别人的角度来看待问题。随着年龄的增长，个体的对客体的数理逻辑思维不断发展，但在社会性发展方面的自我中心却未能解除。这与青春期个体的自我意识发展突出及所处的教育环境有很大关系。
我们将心理健康教育中的“自我中心”限定为人在观察事物或考虑问题时,以个人主观图式去对待有关事物,不能设想他人观点、他人内心世界的一种心理状态(与精神分析中的“自我”无关)。自我中心者常常表现出:为人处事方面,以自己的需要和兴趣为中心,只关心自己的利益得失,而不考虑别人的利益,不体会环境条件和他人的处境,完全从自己的角度,以自己的经验去认识和解决问题,不能意识到别人对同一问题的态度和看法,似乎自己的认识和态度就是他人的认识和态度。在学校生活方面,他们无法与同学和睦相处,因为他们只想“占便宜”却不肯“吃亏”,与同学之间有矛盾,不知忍让,经常为了一点小事而与他人争吵,不会替别人着想;为了达到自己的目的,获取自己的利益,不惜损害别人的利益;自己有了好的参考资料不想与同学共享,而要保密,害怕别人超过自己;看到别人取得成绩,获得成功,就会产生妒嫉心理,千方百计想“拆别人的台”,对集体活动、班级工作不闻不问、毫不关心。在社会上,不懂得关心别人、帮助别人。其原则是“事不关己,高高挂起”,从而影响到集体越来越缺乏温暖,人与人之间越来越冷漠。有的学生因为在班级中有自己的独特之处,比如学习成绩突出或者某些方面的能力优势较为明显,经常受到班级同学的钦佩和老师的赞扬,从而产生极端的自豪感,久而久之,形成了在同学面前颐指气使的脾气,并导致自我中心倾向的出现。有的是从小在家庭中受到父母的过分溺爱,由于家长无原则的任意迁就,养成了他们事事以自己为中心,缺乏互相谦让、同情别人的行为方式,到了学校,在与同学一起接受教育的时期,仍然表现出与在家里一样的态度和行为,出现了自我中心倾向。
二、自我中心倾向的表现：
只想“占便宜”却不肯“吃亏”, 与同学之间有矛盾,不知忍让,经常为了一点小事而与他人争吵;为了达到自己的目的,获取自己的利益,不惜损害别人的利益;自己有了好的参考资料不想与同学共享,而要保密,害怕别人超过自己
看到别人取得成绩,获得成功,就会产生妒嫉心理,千方百计想“拆别人的台” ,对集体活动、班级工作不闻不问、毫不关心
不懂得关心别人、帮助别人。其原则是“事不关己,高高挂起”
成绩很好，或者有某方面的特长，收到班级同学的钦佩和老师的赞扬,很自豪，自豪感,久而久之,形成了在同学面前颐指气使的脾气, 父母的溺爱，从不知道要去感恩。
总是自以为自己具有无穷的力量,自己是完全正确的、无所不能的、完全有能力按照自己的设想来改造社会和世界,使之达到理想的境界。
三、类型
“自以为是型”：总是自认为其他人的想法应该与自己的一致，无法接受同伴人的意见与自己的不同。摆脱不合理的认知，学会沟通交流的技巧。
“排他型”：待人接物从未曾考虑过其他人的感受和想法。主要表现在进行合作时，一味按照自己的想法进行，从不考虑他人。原因是对自己评价太高了。
“理所当然型”：总觉得别人对自己的帮助是理所当然的。主要表现在认为父母、老师、同学对自己的关心和爱护都是理所当然的，不懂得感恩。
四、解除自我中心倾向的方法： 提高学生的自我评价能力——认识到自己处在群体中，在群体中配合、生存，群体的力量。
培养学生社会视角的转换功能——角色扮演。鼓励学生参加社会实践活动——
梦想倾向测试题 篇6
1、即使再辛苦，只要看到父母为你高兴，你就觉得幸福吗？
是的——转2题
不会——转3题
可能——转4题
2、你在一个团队中，通常是容易说服人的那个？
是的——转3题
不是——转4题
想做，但通常不会做——转5题
3、如果在家中养点儿东西，你更喜欢养植物、动物还是其他？
动物——转4题
植物——转5题
其他——转6题
4、倘若你失恋，面对着旧爱的一些物品或回忆，你一般会有哪种想法？
哭——转5题
叹——转6题
恨——转7题
5、你的兴趣爱好是不是没有办法保持很久？
是的——转6题
不是——转7题
看情况——转8题
6、冬天你喜欢去下面哪里晒晒太阳？
阳台上——转7题
公园里——转8题
露天茶座——答案A
7、上半年里，最让你无法忘记的事情，是哪类事情？
感情中的——转8题
工作中的——转 9题
生活中的——转10题
8、如果你家附近的一个大卖场四折大清仓，你会怎么做呢？
纯粹看一看——转9题
不大感兴趣——答案A
疯狂大采购——答案B
9、你现在认为下面哪一种女生更有气质？
才艺类女生——答案C
饱读诗书的知性女——答案D
会打扮的商务女精英——答案A
10、如果在下半年里拍婚纱，你喜欢拍下面哪一种类型？
西式宫廷——答案B
现代浪漫——答案C
中式风情——答案D
A、找到对象
虽然说结婚不是人生的全部，可是对于你来说，如果能力有限，无法在工作有一定的建树，无法成为行业领袖或精英，也没有能力去创业，那么还是好好经营感情，更容易实现。你在各个方面都可以做得很好，把家庭气氛营造得相当温暖。下半年里，极有可能会找到理想中的伴侣，经营好感情哦。
B、创业有成
坦白说，有的时候你认为有一份别人看起来差不多的工作，就可以了。但是你却没能在其中看到自己的.梦想，毕竟你的人生并不能只是为了这勉强的薪水来养家糊口，你想要更广阔的天地去实现人生的价值。如果你还可以挣扎，不如就尽力去拼搏。比如创业，如果有这样的想法与打算，不如就去吧。
C、有钱去做一些事情
尽管你可能在某一个行业能混口饭吃，日子过得简单也不错。但是如果你没有钱，人生是一片黯淡的。下半年里，你的财运很不错。当然这不是你的理想，你的理想是用这些钱，去做一些更加有意义，更加能让你有满足感的事情。比如旅行，比如学得一技之长。
D、人生更美好
情感倾向 篇7
语句级细粒度情感倾向性分析，研究的不仅仅是识别出一个句子中作者对评价对象所持的态度如肯定、否定、支持、反对，更重要的是研究如何识别出作者对评价对象所流露出的情绪如喜爱、厌恶、愤怒等细粒度的情感信息。
语素、词、短语、句子、段落、篇章是语言学领域对语言粒度的划分[1]。词是构成句子的基本成份，词汇的情感倾向性决定了句子的情感倾向性，句子的情感倾向性是对所包含词汇的情感倾向性的总结;句子又是构成篇章的基本成份，句子的情感倾向性决定了篇章的总体情感倾向性，篇章的情感倾向性是其所包含的句子的情感倾向性的总结。因此，语句的情感倾向性判别是诸多情感分析任务的关键，对它的研究具有重要的意义。
黄萱菁[1]等将中文文本情感倾向性分析技术分为词语级、句子级、篇章级和海量数据级共四个层次。柳位平[2]等通过汉语情感词构建出基础情感词库，并提出了情感词库的权值计算方法。王根[3]等使用了多重冗余标记的方法，来对中文评论语句进行情感倾向性的判别研究。Kang J H[4]等通过对情感词的动态语义变化特点的研究，实现对句子的情感倾向性的判别。Hu Ming-qing[5]等通过词的同反义关系得到情感词及其极性强弱，由此来判别语句的情感倾向性。王素格[6]等通过中文情感词的线性加权计算的方法，对句子的情感倾向性进行研究。Wang Chao[7]等针对评论语句，提出了一种以修饰词为特征(形容词、副词等)、启发式策略和贝叶斯分类方法相结合的情感倾向性分析方法。以上文献均缺少对中文句式、修饰方法及情感词本身特点等诸多因素的考虑。本文提出了一种细粒度情感词库构建方法，并对所含词语进行了权重值的计算。在此基础上，结合中文语句的句式、情感词修饰方法等特点，提出了一种基于词库权重、句式权重、修饰权重相结合的语句级细粒度情感倾向性分析算法。
1 细粒度情感词权重值的计算
1.1 细粒度情感词的特点
所谓细粒度情感词，即是反映人类的心理活动状态的情感词，又称为情绪词。儒家和佛教的理念是把人类情感表述为七情六欲，所谓七情是指“喜、怒、哀、惧、爱、恶、欲”;而“欲”泛指人类生理需求和欲望，把这些统一归类为一种人类情感[13]，如表达“欲”的词语:期望、渴望、期盼、盼望、失望、思念等。我们认为这种分类方法属于广义的，若按狭义分类可以把人类细粒度情感分的更细如惊讶、感激、犹豫、吝啬等有十几种之多。
1.2 细粒度情感词库构建及权重计算
(1)细粒度情感词库生成
针对细粒度情感词的特点，我们研究了通用的七类情感词库构建方法，选取其中一类，记为A类，提出了一种通过A类情感种子词集与情绪词库进行义原相似度计算，阈值比较并归类的A类情感词词库构建方法。按同样的方法，可以依次生成七大类词集。处理流程如图1所示。
20情绪语料库，要求尽可能详尽，能较全面地涵盖基本情感词语[10]。
若要判别一个词是否属于细粒度情感词，只用一个基准词进行情感计算所得到的准确性是有限的，这时需要有若干个基准词构成一个基准词集进行计算，该基准词集称为种子词集。种子词的选择，必须选取若干个表达某类情感强烈且最常用的词。我们利用搜索引擎来统计词频选取词频的前n个词作为备选种子词，这里的n根据该类情感词的高频常用词的数量来定，高频常用词的数量越多n就越大，反之n就越小。再在n个词中人工进行情感强度判断，得出较准确的表达该类情感强烈且最常用的m个词，即为该类细粒度情感种子词集。一般m≈15%×n最佳[2]。
阈值比较，从词语库取出某个词与A类情感种子词集分别进行义原相似度计算，相似度最大的判别为属于某类情感词，然后再进行阈值的比较，阈值范围的定义为[0.75,1]，若相似度在阈值范围内的词最终判决属于细粒度情感词;若相似度在(0.25,0.75)之间的属于不确定词集，进行人工筛选;若相似度在[0,0.25]，则最终判决该词不属于此类情感词，直接丢弃。
(2)情感词权重计算
假设选定用seedi代表A类情感的种子词，i表示种子词数目，总数为W。情感词语α在A类情感的情感倾向值用T(α)'表示，T(α)'的数越大表示其越趋近于A类情感。我们提出计算情感词语α在A类情感的情感倾向权值如下所示:
其中，“sim()”函数表示义原相似度计算公式[14]。这里的情感倾向值T(α)'不仅指趋向于A类情感的准确程度而且包含了情感倾向的强度，倾向值越大表示情感词α趋向于A类情感越强烈。
(3)情感词权重值的线性变换
在生成情感权重词库的过程中，我们发现得到的情感词语的情感权值较小。利用线性变换进行转换，计算方法如下所示:
其中:T(α)'是根据式(1)计算得到的情感权值;T(α)是规划后的情感词情感权值;T(α)'min表示式(1)计算出的所有情感权值中的最小值;T(α)'max为最大值。我们把某类情感词在其对应的情感权重词库中的权重值，定义为该情感词的基础权重值，统一用T表示。
2 语句级情感倾向性分析及计算
语言是丰富的和多样性的，情感词在不同的语境下可能会呈现出不同的倾向程度甚至完全不同的倾向性。通过研究发现，影响细粒度情感词倾向性的主要因素有程度副词、否定词、句式结构等等。因此，有必要对影响细粒度情感词的主要因素进行深入分析。以下对细粒度情感词的影响程度进行研究，从而确定其权重值。
2.1 程度副词的权重处理
程度副词主要用来修饰形容词的程度状态。如:非常、极其、很、最、极、更、有点儿、稍微、几乎等等[8]。程度副词修饰一般为了增强或为了减弱形容词的程度状态的，可以根据程度副词对形容词的修饰程度等级对其进行类别划分，因此可以将其分为增强型程度副词、减弱型程度副词两种类别。程度副词不会影响情感词的倾向极性，但直接影响情感词的情感倾向程度[14]。例如:
(1)“我非常喜欢运动。”，“非常”增强了“喜欢”的情感强度。
(2)“他有点儿悲伤。”，“有点儿”弱化了“悲伤”的情感强度。
程度副词对情感倾向的权重记为M:
增强型程度副词权重可以记为1<M<2，一般取M=1.5;
减弱型程度副词权重可以记为0<M<1，一般取M=0.5。
2.2 否定词的权重处理
这里只考虑否定词对情感词修饰的情况。否定词的数量和位置对情感语句的语义影响非常大，直接影响情感倾向判别的结果。比如否定词直接修饰情感词时，将直接改变该情感词的倾向极性[9]。例如“他不高兴”。否定词的数量对语义影响也很显著，如“他不得不说他不喜欢她”，即“他不喜欢她”。“他不是不高兴”即“他是高兴的”，因此对于否定词的数量对情感词极性影响可以定为(-1)N,N为否定词的数量。
需要着重研究的一种情况是“否定词+程度副词+情感词”的修饰方式，此种修饰方式权重值记为P，可以分为两种情况考虑:
(1)“否定词+增强型程度副词+情感词”，比如“他不是非常喜欢她”，即是“他喜欢她，但不是很强烈”。这种修饰方式对情感词的修饰效果是正向减弱的。此种修饰方式权重值P,0<P<1，一般取P=0.5;注意，此时的修饰效果是否定词和增强型程度副词共同作用的结果，因此此时的否定词并未出现情感极性的反转，这种情况的否定词数量n应减去1，即N=(-1)n-1。
(2)“否定词+减弱型程度副词+情感词”，比如“他可不是有点儿喜欢她”，即“他一点儿不喜欢她，或者他非常喜欢她”，这种句式对情感词的极性判定为零，还要根据上下文来判断情感极性。此种修饰方式权重值P=0。
2.3 句式的权重处理
中文句子的句式众多，不过总体可以分为两大类:简单句和复杂句。简单句的句式结构是只有一组主语和谓语;复杂句的句式结构为有连词相连接，或无连词连接但有两个以上分句所组成[6]。
简单句需要考虑以下两种特殊句式:
1)疑问句
小李真的很高兴吗?小李还高兴得起来?对于小李是否高兴，只能通过上下文的语义分析来判断情感极性，因此单独评价疑问句本身是无法确定其情感倾向的，即认为疑问句的情感倾向权重为零，Q=0。
2)感叹句
感叹句最明显的特征是感叹号。感叹句对句子的情感的倾向影响是很大的。“我非常喜欢游泳。”和“我非常喜欢游泳!”情感倾向明显是后者强于前者，因此，通过对句子的标点符号即可判断。感叹句的情感倾向权重可以达到双倍的情感强度效果，Q=2。
复杂句需要考虑以下四种特殊句式:
1)并列句
并列句一般由连词“既……又、不但……而且、并且、也、还、同时、更”等连接构成。分句之间的关系是平等的，分别从不同的情况或同一事物的不同方面来说明或阐述，各分句情感倾向一致。各分句的情感倾向的关系是一种“或”的关系，整个复杂句情感倾向可以由情感倾向最强烈的分句来代表。
2)复合句
由逗号相连接的无连词的几个分句构成的复合句，语义上一般是顺承关系，情感倾向也一致。复合句的情况与并列句类似，分别从不同的情况或同一事物的不同方面来说明或阐述，分句之间关系平等，处理方法相同。
3)因果句
因果句一般由连词“因为/由于……所以……、之所以……是因为……、……以致……、……因此……、于是、因而、从而”等连接构成。因果句的前分句描述原因，后分句陈述结果即结果句。情感表现主要体现在后分句部分。如“校长之所以会大发雷霆，是因为学校最近连续出现几次学生违纪事件。”因果句的处理是通过判断其结果句的情感倾向来决定。
4)转折句
转折句一般由“虽然/尽管……但是/却……、然而、只是、不过”等连接构成。一般分为前后两个分句，转折词后的后分句与前分句的语义相反，整个句子的语义情感倾向侧重于后分句情感倾向。如:“尽管我非常生气，但对方的幽默道歉让我的心情好了很多。”转折句的处理是通过判断其转折词后的分句的情感倾向来决定。
简单句的特殊句式权重记为Q，复杂句权重计算通过计算其分句得到。
3 语句级情感倾向程序算法
通过以上分析，我们把上述词库权重、句式权重、修饰权重的计算方法相结合，提出了一种新的语句级细粒度情感倾向性计算公式:
SO(s)为整个语句的情感倾向值SO(Sentiment Orientation),s为所要处理的语句。
其算法基本过程如下:
算法:语句级细粒度情感倾向性分析算法输入:语句s。
输出:语句的情感倾向值SO(s)。
初始化:N=0,M=1,T=0,P=1,Q=1
步骤1进行句式判别，是简单句还是复杂句，若是简单句进入步骤2，若是复杂句进入步骤3。
步骤2判断是否疑问句和感叹句。若不是，直接进入步骤2.1;若是，进行相应句式权值Q的赋值后进入步骤2.1。
步骤2.1对句子进行分词，获得分词序列，筛选出细粒度情感词并赋权值T。
步骤2.2判断是否有程度副词修饰，若无进入步骤2.3若有进入步骤2.4。
步骤2.3判断是否有否定词，若无跳出步骤2进入步骤4;若有，计算否定词的数量并给N赋值后，跳出步骤2进入步骤4。
步骤2.4判断是否有否定词，若无，为程度副词赋权值M后，跳出步骤2进入步骤4;若有，进入步骤2.5。
步骤2.5计算否定词的数量N;根据分词序列顺序，确定程度副词与否定词的位置关系及程度副词的类型，判断是否属于否定词特殊修饰并进行相应权重N,P的赋值后进入步骤4。
步骤3对复杂句进行分句划分，然后进入步骤3.1。
步骤3.1对各分句进行分词，获得各分句的分词序列，筛选出细粒度情感词并赋权值T。
步骤3.2判断是否属于特殊复杂句类型，按相应句式进行分句的处理。
步骤3.3判断是否有程度副词修饰，若无进入步骤3.4若有进入步骤3.5。
步骤3.4判断是否有否定词，若无跳出步骤3进入步骤4;若有，计算否定词的数量并给N赋值后，跳出步骤3进入步骤4。
步骤3.5判断是否有否定词，若无，为程度副词赋权值M后，跳出步骤3进入步骤4;若有，进入步骤3.6。
步骤3.6计算否定词的数量N;根据分词序列顺序，确定程度副词与否定词的位置关系及程度副词的类型，判断是否属于否定词特殊修饰并进行相应权重N,P的赋值后进入步骤4。
步骤4分别把细粒度情感词词库权重、句式权重、修饰权重进行式(3)计算得出语句的情感倾向值SO(s)。
上述算法计算的情感倾向值SO(s)正向越大，说明句子的情感倾向程度越大，情感越强烈;负向越大，说明句子的情感倾向与情感词极性相反，其负向情感越强烈;情感倾向值为零，说明句子不是情感句。
4 实验结果及分析
为了验证我们提出的语句级细粒度情感倾向性分析算法的效果，进行了以下实验。算法采用VC++编程实现，分词采用ICTCLAS分词系统进行。句式的区分是通过标点符号和连词进行。选取由《知网》提供的情感分析词语集[12](内含正面情感词836个，负面情感词1254个)作为训练集生成细粒度情感权重词库。然后用关键字“令人愤慨”进行Google中文微博相关主题的搜索(http:blogsearch.google.com.cn)，选取其中一个主题情感倾向较为明显的微博“关于柳州某新闻人闯斑马线二次碾压儿童事件”进行测试，测试共105条评论，共458条语句。
我们对上述微博测试进行了实验，实验中选取其中一条具有代表性的评论“太过分了!二次碾压!令人发指!这样的人把持新闻传媒，还能好吗?”进行测试，其测试语句共3条。我们将算法的计算机运算结果与人工计算结果进行比对(人工计算是指对评论语句的情感强度进行依据词库权重、句式权重、修饰权重的人工判别计算，是最符合评论语句客观真实情感权重的计算结果)。测试情况如表1所示。
“过分”一词在“怒”词库中的情感权重值为0.8216，“令人发指”一词权重为0.9705。“二次碾压!”句子无情感词，其语句权值为零。“这样的人把持新闻传媒，还能好吗?”疑问句权值为零。对比结果表明:对上述评论语句，算法的计算机计算与人工计算结果完全一致，证实了算法程序的准确性。
对整个微博的所有评论语句进行测试，其中选取计算机测得的情感值在特定区间的语句数与人工计算所得到的情感值相同区间的语句数进行对比，测试结果如表2所示。
由表2可见，权值为零的评论语句占据绝大部分;另外算法在计算数据量较大的情况下与人工计算得到的结果有一定差别。究其原因，评论中的语句很多不带情感色彩如微博转发状态、无关语句、无情感倾向语句等等;另外，标点符号使用不规范、句式连词省略等都对算法产生了一定的干扰，会导致相关语句的情感权值计算存在偏差。但由表2总体数据看，算法的相符率仍然较高，因此，也证实了算法在评论语句计算量大的情况下具有可行性。
通过以上实验数据分析表明:算法对语句情感权值的计算与通过人工判别计算的方法得到的权值相符率较高。另外，算法在特定情感值区间的所得情感值的个数与人工筛选在相同区间的情感语句数基本相当，准确率较高。
5 结语
本文提出的语句级细粒度情感倾向性分析算法，是一种结合了中文语句的句式、修饰方式、情感词自身特点的，针对中文语句的特点考虑比较全面的方法。通过实验分析可知，算法具有较高的准确性。通过该算法，可以对微博等评论语句进行情感倾向值的统计，筛选出具有强烈情感倾向的语句进行分析，从而得到更有价值的信息;还可以通过该算法对评论语句情感值的计算结果进行统计，分析人们对评价对象的细粒度情感倾向分布。这些工作为进一步研究语句级的细粒度情感倾向奠定了很好的基础。
摘要：针对中文语句的细粒度情感倾向分析问题,构建一个细粒度情感词库。对所含词语进行权重值的计算,并结合中文语句的句式、情感词修饰方法等特点,提出一种基于词库权重、句式权重、修饰权重相结合的语句级细粒度情感倾向性分析算法。实验结果表明,该算法可以准确计算出评论语句的情感倾向值,为进一步研究语句级细粒度情感倾向分类提供了重要的参考依据。
情感倾向 篇8
新品类的建立方常常是一家发展初期或规模较小的公司，希望通过推出能主导一个新兴品类的新品牌来与规模更大的对手公司竞争。
一般来说，这些小公司都是由右脑思维的企业家们管理经营的，他们都有一定的营销直觉。这类公司虽然规模不大，但具备很好的营销直觉。例如，金霸王碱性电池，电量是当时领先品牌永备碳锌电池的两倍。
永备隶属于大型企业美国联碳（Union Carbide），后者正是属于品类扼杀者的企业。在金霸王推出的6年前，永备推出了自己的碱性电池产品。很自然地，这个新产品被命名为永备碱性电池。
永备的管理层希望“电器电池”能保持在一个品类中，其中包括碱性电池、碳锌电池等多种产品。作为电器电池的领先品牌，永备能够在接下来的几十年都主导这个品类。
品类建立者的胜利
这是绝对不可能的。多亏了金霸王品牌背后的营销团队，消费者们最终领悟到电器电池有两个品类：价格便宜的碳锌电池和更加耐用的碱性电池。如今，这两个品类分别由两个品牌主导：永备和金霸王。
永备的管理层最终明白了不可能将碱性电池这一品类扼杀，于是它又推出了自己的碱性电池品牌：劲量（Energizer）。但是和很多左脑思维的管理派行为一样，为时已晚。
金钱也无法弥补损失的时间。尽管投入了庞大的广告预算，劲量还是品类中的第二品牌，排在金霸王之后。
创意也无法弥补损失的时间。劲量小兔子的广告被《广告时代》杂志誉为“20世纪最好的100个广告”之一（该广告位列第34）。
同时，金霸王公司也渐渐转型，由典型的管理思维运营。它先后被达拉斯公司（Dart）、卡夫集团、科尔伯格·克拉维斯·罗伯茨公司（Kohlberg Kravis Roberts）、吉列公司收购。现在，它隶属于宝洁公司。
在这场竞争的每个阶段，金霸王都被一家规模更大、管理思维运营模式更强的公司收购。
品类扼杀者的胜利
如今，两大电池品牌都由管理型的大规模公司运营，它们显然已经很成功地扼杀了下一代电池产品：锂电池。
毫无疑问，锂电池可以成为单独的一个品类，但前提是它需要一个独立的品牌名与这个品类一致[就像英国松饼品类中的托马斯（Thomas’）品牌、烘焙糕点品类中的（PopTarts）品牌、牛排酱品类中的A1品牌]。
在营销中，时机就是一切。一个品类一旦消亡，它就不会再复活。
金霸王牌的锂电池和劲量牌的锂电池上市都有一段时间了。对于一个营销导向的品类建立者来说，现在要加入锂电池竞争已经太晚了。
如此而已。有时候品类建立者会获胜，有时候品类扼杀者会获胜。
为何总是错失良机
没人能预知未来。一个新品类是否能发展成一个独立的品类，在早期是无法明确下定论的。
在万维网的早期发展阶段，也没有明显的迹象能说明互联网会成为一个新媒体品类。不仅仅是一个新品类，甚至是比书籍、报纸、杂志、广播和电视等所有传统媒体联合起来都更为重要的品类。
有时你会有这样的感觉，管理派认为新品类是由上帝创造的。除非时机成熟，否则新品类是不会出现的，所有新品类都受到某种更强大的力量支配。
营销派则不这么认为。他们相信一个企业的营销活动能够创造一个使品类建立者获益的新品类，就像碱性电池品类给金霸王品牌带来了不小的收益。
品类建立者的损失
在美国最畅销的啤酒是什么？是百威，它的平均年销售额约为80亿美元。
局势原本可以完全不同。米勒啤酒公司最终错失了超越百威的机会。金霸王在锂电池品类中取得的成就，米勒啤酒公司在淡啤品类中是达不到了。
米勒做错了什么？它为第一款淡啤取了一个糟糕的名字：Lite（意思为清淡的）。
Lite是一个糟糕的淡啤名字吗？逻辑思维的管理派一定很迷惑：给淡啤取Lite这个名字终究有何不好呢？
像Lite这样描述品类属性的名字是很糟糕的，因为竞争对手可以通过推出类似的品牌轻而易举地消灭这类品牌的独特性，就像Schlitz Light、Pabst Light、Coors Light、Natural Light、Bud Light。
然而米勒公司的营销直觉是正确的，它试图建立一个新品类，没有把“米勒”放在新品牌的命名中，而将它仅取名为“Lite”。但是它要提防在品类扼杀类型的企业大量推出“淡啤”产品时，它根本无法保护“Lite”这一品牌不受攻击。
于是，L i t e变成了米勒L i t e（M i l l e r Lite）。建立新品类的战役失败了。这真是米勒啤酒公司的噩运。
如今，淡啤的销量远远超过了普通啤酒（百威淡啤Bud Light是最畅销的品牌，在美国市场上的平均年销售额约为47亿美元。第二品牌是百威普通啤酒Budweiser，平均年销售额约为28亿美元）。
谁在新品类消亡时获胜
当然是既有品类中的领先品牌获胜。尽管 Budweiser是最近推出淡啤的主要酿酒厂，如今的淡啤第一品牌还是百威淡啤。
现在淡啤在人们的心智中已经不是一个新品类了，淡啤被认为和普通啤酒属于同一品类，只是更清淡一些。
这就是百威打赢淡啤之战的原因，也是金霸王打赢锂电池之战的原因。如果你想要扼杀一个新兴品类，首先要确保的是你的品牌是既有品类中的领先品牌。
nlc202309040913
健怡可乐就是淡啤故事的翻版。第一个健怡可乐品牌是Diet Rite，名字本身就不好，更糟糕的是它是一个品类属性的通用名。
Diet Rite可乐和Lite啤酒一样都是带有品类属性的通用名。所以新兴发展起来的新品类也很容易被一些品类杀手攻击，例如，百事可乐和可口可乐。最先进入战役的是轻怡百事可乐（Diet Pepsi），健怡可口可乐（Diet Coke）紧随其后。
如今，健怡可乐并没有被认知为一个独立的新品类，健怡可乐只不过是普通可乐中的糖分被人工甜味剂取代的产品。
而成为领先品牌的是健怡可口可乐，虽然它最后一个进入这场争夺战，但却是既有品类中的领先品牌。
微酿vs.淡啤
吉姆·科克推出了塞缪尔·亚当斯波士顿啤酒，从而建立了微酿（Microbrew）啤酒这个新品类。讽刺的是，这种啤酒最早是由位于匹兹堡的铁城啤酒（Iron City）的生产商酿造出来的。
没关系。微酿使它成为饮酒者心智中新型啤酒品类的名字。安海斯-布希公司和米勒酿酒公司分别用它们各自的招牌产品进行了还击[例如，安海斯世界精选（Anheuser World Select）和米勒珍藏（Miller Reserve）]。
但仍未能扼杀微酿啤酒这个新品类。如今，这个品类的建立品牌塞缪尔·亚当斯已经成为大赢家。
在逻辑上无法解释为什么小批次酿造的啤酒（微酿）能被人们认为是一个独立的新品类，而实质上含有更低热量的酿造啤酒（淡啤）就不是一个独立的品类。
在这两个概念中，淡啤和普通啤酒相比，其革新程度比微酿更为明显。比起小批次酿造和大批次酿造之间的差别，饮酒者更容易认识到淡啤和普通啤酒之间的区别。
区别并不存在于啤酒产品中，而在于营销。
逻辑性管理思维最大的错误就是没能看到新品类的崛起，他们似乎认为品类都是固定的，很少会有新品类诞生，除非是技术等有了革命性的发展。
另外，当一家公司拥有一个品类时，它的管理层倾向于把新的发展仅仅视为既有品类的改良，而不是通过推出新品牌来创造一个新品类的机会。
鸽子和鸽巢
一个有用的分析法是将心智比作鸽棚。鸽棚里的一个个鸽巢就是品类，里面的鸽子就是品牌。
当然，并不是每一个鸽巢里都有一只鸽子。在逻辑上，“高价韩国汽车”是一个品类，但并没有高价韩国汽车品牌。除去现代汽车推出的售价4万美元的现代Genesis。
这是左脑思维的管理派会犯的典型错误，他们试图把一只鸽子关进两个鸽巢里，而消费者喜欢简单的事物。
现代汽车是廉价汽车还是高价汽车？如果它是廉价汽车，就不适合高价汽车这个鸽巢。如果它是高价汽车，就不适合廉价汽车这个鸽巢。
消费者总是以价格作为导向，给新鸽巢选择贴上什么标签。总的来说，每个品类都有三个彼此区隔的小品类：高价、低价和中间价位。
就拿伏特加品类来看，灰雁是一只高价鸽子，而斯米诺（Smirnoff）是一只低价鸽子，绝对伏特加是中间价位的鸽子。
在瓶装水品类中，依云是高价鸽子，阿夸菲纳（Aquafina）是低价鸽子，波兰泉（Poland Spring）是中间价位的鸽子。
“只不过是名字不同。”在董事会里总能不断听到管理派重复着他们的颂歌，但是名字对创造一个新鸽巢的战略却是至关重要的。
那么，是什么创造了新品类？忘记客观现实吧。创造新品类的是消费者心智中的认知。如果消费者相信它是新品类，那么它就是一个新品类。
建造新鸽巢需要时间
建立一个新品类需要很长的时间。就拿泰诺来说，它在1956年推出的时候是一个退热净处方药品牌，四年之后，这个品牌成为非处方药。
在进入药店销售渠道的8年之后，泰诺的年销售额还不足500万美元。到了1975年（该品牌推出19年后），泰诺投放了第一个消费品广告。
如今，泰诺是美国药店中最畅销的品牌。
缓慢的发展让品牌之间的竞争也变得较为平静。在很多年之后，拜耳才开始投放如下的广告来回应泰诺：
“泰诺制造商，你省省吧！”（Makers of Tylenol， shame on you！）
“不，泰诺并不比阿司匹林更安全。”（No. Tylenol is not found safer than Aspirin.）
这些广告是为“拜耳阿司匹林”所做。这里有个错误，如果你想要扼杀一个新兴品类，你不能刻意强调你既有的品类，你需要将你的品类拓宽，把新品类包含在内。
有机：是不是一个品类
除了全食超市公司和Horizon牌牛奶，至今还没有一家倾向建立品类的公司能够在有机品类中大有所成。
有很多企业正在扼杀有机这个品类。在任何超市的通道上走一走，你就能发现几十个例子，比如德尔蒙豌豆罐头和德尔蒙有机豌豆罐头。
尽管对“低碳水化合物”进行了很多公众宣传，但它从未能成为一个品类，也是因为同样的原因。几乎每个消费品生产商都用自己的品牌延伸进入了低碳水化合物行业，很快就扼杀了创造一个独立品类的机会。
潜在品类建立者会犯的一个典型错误就是试图做得太多了，例如，用一个品牌去覆盖一条很宽泛的产品线。健康选择（Healthy Choice）用这个品牌推出了几百种产品。今天几乎很少有消费者能将“健康”作为一个品类，他们只不过把健康选择当作另一个品牌而已。
更好的做法是从聚焦的产品开始，打赢了品类建立战之后再扩大产品线。Horizon从有机牛奶开始，然后扩大了产品线，推出了牛奶的衍生产品：黄油、芝士、酸奶油和乳酪等。
品类建立者容易犯的另一个错误是等候得太久。麦当劳推出顶级咖啡会扼杀了星巴克已经成功建立起来的这个品类吗？我们不这么认为，已经太晚了。
斯米诺在试图扼杀由绝对伏特加建立起来的顶级伏特加品类之前也等待得太久了。斯米诺黑钻伏特加（Smirnoff Black）无论是作为一个品牌还是一个品类杀手都没什么成就。
当灰雁伏特加出现后，伏特加品类中的竞争对手甚至都没有尝试进行扼杀。相反，它们推出了自己的超高端品牌——绝对伏特加推出了无极伏特加（Level），红牌伏特加（Stolichnaya）推出了Elite。
谁会最终赢得这场营销战？真是愚蠢的问题。当然是灰雁。
再次强调，一旦消费者认定新品类的存在，总是首先进入心智的那个品牌获胜。