一、点互信息算法
点互信息算法是为了计算两个词语之间的相关性，公式如下：
p(word1 & word2)代表的是两个单词同时出现的概率（两个单词同时出现的次数/总词数的平方）
p(word1）是word1出现的概率（word1出现的次数/总次数）
p(word2）是word2出现的概率（word1出现的次数/总次数）
结果：
PMI > 0；两个词语是相关的；值越大，相关性越强。
PMI = 0；两个词语是统计独立的，不相关也不互斥。
PMI < 0；两个词语是不相关的，互斥的。
二、情感倾向点互信息算法（SO-PMI）
选用一组褒义词（Pwords）跟一组贬义词（Nwords）作为基准词。若把一个词语word1跟Pwords的点间互信息减去word1跟Nwords的点间互信息会得到一个差值，就可以根据该差值判断词语word1的情感倾向。
SO(phrase)>0 正面倾向，是褒义词
SO(phrase)=0 为中性词
SO(phrase)<0 为贬义词