在本篇回答为大家分享用于文本情感分析的 10 个 API、7 个网站和 12 个 GitHub 项目。
从事文本情感分析是需要大量数据的，所以首先是我们此前分享过的 20 个中文文本数据集汇总：
10 个文本情感分析API：
IBM Watson Tone Analyzer API
IBM 研发的一款先进的机器学习模型，可以检测文本中的交流语气，检测结果可以划分为情感语气、语言语气和社交语气三类。
API简介地址：
https://www.ibm.com/watson/developercloud/tone-analyzer/api/v3/curl.html?curl
Qemotion
该 API 能检测以下内容：
用该 API 提交文本后，算法就会检测文本所传递的主要情感。
简介地址：
https://market.mashape.com/Qemotion/texttoemotions/overview
AYLIEN API
一款自然语言处理工具包，能够从文本和视觉内容中提取语义信息，能够完成情感分析、情感标记、语言检测等 15 种 NLP 任务。
API 地址：
https://docs.aylien.com/textapi/#using-the-api
PreCeive API
一款文本处理工具，能执行情感分析、情绪分析等工作。
API 地址：
https://theysay.docs.apiary.io/#introduction
Indico API
能够从文本中检测到生气、高兴、恐惧、悲伤和惊讶等 5 种情感，而且能将检测结果输出为整洁的 Jason 文件。
API 地址：
https://indico.io/docs#emotion
Microsoft Cognitive Service-Text Analytics：
微软开发的文本分析工具，可完成情感分析、关键词提取、语言检测等工作。
API 地址：
https://docs.microsoft.com/en-gb/azure/cognitive-services/Text-Analytics/overview
Bitext
提供市场上基于情绪的最精准的多语言话题。目前有 4 种语义服务：实体及概念提取，情感分析及文本分类。API 可以处理 8 种语言。
API 地址：
https://www.bitext.com/text-analysis-api-2/#How-accurate-is-the-analysis
Google Cloud Natural Language API
谷歌的文本处理工具，可分析文本数据的语义和结构，包括情感分析、实体识别和文本注释。
API 地址：
https://cloud.google.com/natural-language/docs/reference/rest/
NlpTools
一个用于自然语言处理的简单 API，可以对在线新闻媒体进行情感分析和文本分类。
API 地址：
http://nlptools.atrilla.net/web/api.php
Sentigem
面向英语文档和文本块的情感分析工具，简单易用。
API 地址：
https://sentigem.com/#!
7 个文本情感分析网站：
Quick Search
社交媒体搜索引擎，能够实时提供社交媒体上（包括博客、论坛、新闻网站）对某个品牌的评论情感，比如正面居多还是负面居多。
地址：
https://www.talkwalker.com/quick-search-form
Rapidminer
一个数据科学软件平台，提供文本挖掘功能，可帮助品牌进行文本分析，比如在线评论、社交媒体帖子等。
地址：
https://rapidminer.com/solutions/text-mining/?utm_term=text+mining
NCSU Tweet Visualizer
专门面向推特情感分析的工具，既能按照情绪搜索对应的推文，也能分析推文中的情感，蓝色表示正面，绿色表示负面。
地址：
https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/tweet_app/
MeaningCloud
能够对多个来源的文本内容进行详细的多语言分析，比如含有情感是正面还是负面，或者情绪为中性。
地址：
https://www.meaningcloud.com/products/sentiment-analysis
Social Mention
实时搜索和分析平台，可监控 100+ 社交平台、博客和新闻网站，主要分析 UGC 中的情感。输入你的品牌、公司、竞争者的名字，就可以获取情感分析结果。
地址：
http://www.socialmention.com/
Sentiment Analyzer
利用计算机语言学和文本挖掘技术识别文本背后的情感。
地址：
https://www.danielsoper.com/sentimentanalysis/default.aspx
SentiStrength
一款用于学术研究的情感分析工具。
地址：
http://sentistrength.wlv.ac.uk/
12 个文本情感分析 GitHub 项目：
SentiBridge：中文实体情感知识库
包含：实体/属性—情感词。例如：“长城 宏伟”、“性价比 高”、“价格 高”。主要目的是刻画人们是怎么描述某个实体的，例如大家通常用 宏伟 来形容长城。目前词典包含三个领域语料的抽取结果：新闻、旅游、餐饮，共计 30 万对。
https://github.com/rainarch/SentiBridge
Senta：百度开源的情感分类系统(PaddlePaddle)
Senta 是百度开源的情感倾向分析模型，针对带有主观描述的中文文本，可自动判断该文本的情感极性类别并给出相应的置信度。情感类型分为积极、消极、 中性。情感倾向分析能够帮助企业理解用户消费习惯、分析热点话题和危机舆情监控，为企业提供有力的决策支持。
https://github.com/baidu/Senta
NLP-Progress ：
由机器学习大牛 Sebastian Ruder 创建的项目，用于追踪自然语言处理领域的最新进展，包括数据集和最新的 NLP 任务等，涉及机器翻译、文本解析、情感分析等 30 个子领域。
https://github.com/sebastianruder/NLP-progress
twitter-sentiment-analysis：
利用朴素贝叶斯，SVM，CNN，LSTM 等对推特推文进行情感分析。
https://github.com/abdulfatir/twitter-sentiment-analysis
twitter-sent-dnn
利用深度神经网络对推特推文进行情感分析。
https://github.com/xiaohan2012/twitter-sent-dnn
Weibo-Analyst
这是一个微博评论分析工具，可以对微博评论进行情感分析。
https://github.com/KimMeen/Weibo-Analyst
ABSA-PyTorch
用PyTorch实现基于方面（aspect）的情感分析。
https://github.com/songyouwei/ABSA-PyTorch
weibo_sentiment
微博粉丝情绪分析，获取其他用户对自己微博的评论，计算情绪值，绘出变化曲线。
https://github.com/shispt/weibo_sentiment
stock-predictions
使用TensorFlow和机器学习技术，对推特推文进行情感分析，进而预测股价趋势。
https://github.com/2018sjain/stock-predictions
AI-Sentiment-Analysis-on-IMDB-Dataset
利用随机梯度下降法对IMDB上5万条影评进行情感分析。
https://github.com/SrinidhiRaghavan/AI-Sentiment-Analysis-on-IMDB-Dataset
sentiment-analysis-webapp
中文短文本情感分析 web 应用，基于SnowNLP。
https://github.com/bighuang624/sentiment-analysis-webapp
SentimentAnalysis
使用卷积神经网络对汽车行业评论文本进行情感分析。
https://github.com/guuboi/SentimentAnalysis
后面会分享Python情感分析实战演练教程，欢迎关注我们。
可能你还感兴趣：
