目标如下：我有一篇大文章，我想定义特定单词的情绪。例如，文章描述了自行车和汽车的优缺点，我想找到汽车这个词的情感。

在这样的示例中，我不能使用文档级 SA，因为文章本身可以是正面的，而汽车则以负面的方式提及。

因此，我研究了与基于方面的情感分析相关的论文，但我的条件是缺乏用于训练 NN 的数据。因此，我专注于基本上不涉及培训过程的方法。我的一个尝试是使用 word2vec 和 K-Means 构建情绪分析工具，以便每个集群对应于三种情绪（pos、neg 和 neu）中的一种。它实际上效果很好，但我发现出于某种原因，一个词可以同时出现在两个集群中。另外，它通常不会针对特定关键字给出情感，而是针对文本中的所有方面。
另一个问题是，如果只是不自己阅读文本并检查关键字是否属于正确的簇，则基本上无法测试输出的正确性。
所以我决定先对文章进行总结，然后再应用情感分析（如 sentiwordnet 或类似）。

问题 1
有没有办法改进 word2vec+KMeans 方法？改善是不是更糟？
问题2
在情感分析之前先进行文本摘要是一个好主意吗？
问题 2
是否有更好的方法可以在不经过训练的情况下找到特定单词的情感（由于没有训练数据和少量未标记数据）？