没想到湾区与这行有关的同仁如此之多：他 发出邀请500+，到场的有小 200 人

大概全世界也找不到一个地儿，有这么多同行如此集中吧。

聊起来，我说我是做 sentiment 的，结果发现有一群人也声称做 sentiments，真地这么热啊

遇到斯坦福出来的一位女士，说现在做 sentiments 好爽啊，以前她在研究所的时候，想做个 sentiment 的实验，找材料那个费劲，现在客户 tag 好的数据（surveys）源源不断而来，感觉那个痛快。她是做机器学习的。我就提到，褒贬分类（classification）不难，而且也提供不了真正有价值的情报（actionable insights）。 毕竟是聪明人，她马上接到，那是，光 classification 不行，还要做 clustering，与 sentiment classification 结合起来做，才可以发现真正有意思的情报。

殊途同归啊，同道人也。路不同，道同，感受同。做大数据，建大系统，怎一个爽字了得。上周把整个成语词典加进系统去，比炎夏吃西瓜还透心。这一周，又把董老师《知网（HowNet）》六万词条的200多语义类别整合进了系统（这只是知网的一个部分，其他部分等有空慢慢消化），一下子感觉底气特别足：这么多资源在手，爱怎么玩怎么玩，痛快如彼，乐不思蜀啊，当然，这几天晚上睡眠严重不足，一直在测试新的资源。

也遇到一个看上去有些轻狂的白人小伙子，大谈自己的 sentiment 分类的体会：说大家都说这 sentiment 分类不难，难的是 domain-independent 的应用。因为用到的数据多是domain specific 的，譬如电影评价（movie review），结果训练出来的模型只在那个 domain 管用，一出 domain，质量直线下降。其实呢，他故意卖了个关子，停了片刻，然后说，其实一点儿也不难。

因为任何文本中的情感措辞，既有非常 domain specific 的 instances ，也有很多 domain independent 的说法（譬如，good 就是 good，无论哪个 domain 它都是正面评价）。要想做一个 domain-independent 的系统，只要能把 domain-dependent 的东东剔除出模型即可。他做出了这样的系统，效果非常好。

道理当然是对的。前提是，分类对象是一个相对大的文本单位，而不是语句或者微博这样的小单位。单位大了，东方不亮西方亮，才有底气把domain相关的部分排除出去。