點互信息算法（PMI）
基本思想：是統計兩個詞語在文本中同時出現的概率，如果概率越大，其相關性就越緊密，關聯度越高。
PMI > 0；兩個詞語是相關的；值越大，相關性越強。
PMI = 0；兩個詞語是統計獨立的，不相關也不互斥。
PMI < 0；兩個詞語是不相關的，互斥的。
從概率思想理解：
如果兩個事件不相關也不互斥，則同時發生的概率p(a,b)=p(a)*p(b)，此時p(a,b)/p(a)*p(b)=1，PMI(a,b)=0；
如果兩個事件相關，則同時發生的概率p(a,b)>p(a)*p(b)，此時p(a,b)/p(a)*p(b)>1，PMI(a,b)>0；
如果兩個事件互斥，則同時發生的概率p(a,b)
情感傾向點互信息算法（SO-PMI）
基本思想是：選用一組褒義詞（Pwords）跟一組貶義詞（Nwords）作為基准詞。若把一個詞語word1跟Pwords的點間互信息減去word1跟Nwords的點間互信息會得到一個差值，就可以根據該差值判斷詞語word1的情感傾向。
SO-PMI（word1）> 0；為正面傾向，即褒義詞
SO-PMI（word1） = 0；為中性傾向，即中性詞
SO-PMI（word1） < 0；為負面傾向，即貶義詞