创建标记化文档。

str = [“这本书非常好!!!!”“这本书糟透了。”];文件= tokenizedDocument (str);

评估标记化文档的情绪。1分表示正面情绪，-1分表示负面情绪，0分表示中性情绪。

compoundScores = ratioSentimentScores(文档)

compoundScores =2×11

情感分析算法依赖于被称为情感词典的带注释的单词列表。例如,ratioSentimentScoresFunction使用了一个情感词典，其中的词语注释的情感得分范围从-1到1，得分接近1表示强烈的积极情绪，得分接近-1表示强烈的消极情绪，得分接近零表示中性情绪。

如果情感词汇被使用ratioSentimentScores功能不适合您正在分析的数据，例如，如果您有一个领域特定的数据集，如医疗或工程数据，那么您可以使用自己的自定义情感词典。有关如何生成特定领域情感词典的示例，请参见生成领域特定情感词典．

创建包含要分析的文本数据的标记化文档数组。

textData = [“这家公司的增长势头非常强劲。”“另一家公司被指控误导消费者。”];文件= tokenizedDocument (textData);

加载金融数据的示例域特定词汇表。

文件名=“financeSentimentLexicon.csv”；台= readtable(文件名);头(台)

ans =8×2表Token SentimentScore _________________ ______________ {'opportunities'} 0.95633 {'innovative'} 0.89635 {'success'} 0.84362 {'focused'} 0.83768 {'strong'} 0.81042 {'capabilities'} 0.79174 {'innovation'} 0.77698 {'improved'} 0.77176

评估情绪使用ratioSentimentScores函数指定自定义情感词典“SentimentLexicon”选择。1分表示正面情绪，-1分表示负面情绪，0分表示中性情绪。

compoundScores = ratioSentimentScores(文档,“SentimentLexicon”(资源)

compoundScores =2×11