创建一个令牌化文档。

str = [“这本书很好！！！”“这本书很糟糕。”];文档= tokenizedDocument（str）;

评估令牌文件的情感。得分为1表示积极的情绪，得分为-1表示负面情绪，得分为0表示中性情绪。

COMPOUNDSCORES =比率符号（文档）

CompoundScores =2×11 -1

情感分析算法依赖于注释的单词列表，称为情感词典。例如，比例术功能使用一种情感词典，带有注释的单词，情感评分范围为-1至1，其中的分数接近1表示强烈的积极情绪，得分接近-1表示强烈的负面情绪，而得分接近零表示中性情绪。

如果情绪词典使用比例术函数不适合您正在分析的数据，例如，如果您具有特定于域的数据集（例如医学或工程数据），则可以使用自己的自定义情感词典。有关显示如何生成域特异性情绪词典的示例，请参见产生域特异性情感词典。

创建一个包含用于分析的文本数据的令牌化文档数组。

textdata = [“这家公司表现出极大的增长。”“这家公司被指控误导消费者。”];documents = tokenizedDocument（textData）;

加载示例域特异性词典以获取金融数据。

文件名=“ FinancesEntimentLexicon.csv”;tbl =可读取（文件名）;头（TBL）

ans =8×2桌令牌sentimentscore _________________ ______________ {'机会'} 0.95633 {'创新'} 0.89635 {'Success'} 0.84362 {'focused'} 0.83768 {'83768} 0.77176

使用比例术功能并使用'sentimentlexicon'选项。得分为1表示积极的情绪，得分为-1表示负面情绪，得分为0表示中性情绪。

COMPOUNDSCORES =比值符号（文档，'sentimentlexicon'，TBL）

CompoundScores =2×11 -1