高级情感分析把文本中的每一行分别归入【积极】【中性】或【消极】，同时给出得分、证据词和句内结构线索。它适合整理评论、反馈、访谈摘录、新闻标题和短句材料，但前提是先明确一行代表什么。
这不是给整篇材料贴一个总标签。报告中的行数、比例、平均得分和证据词，都以逐行结果为基础。只要分行方式变化，统计口径也会变化。
01
先确定研究对象与分析单位
情感分析可以在文档、句子和评价对象三个层级上进行。文档层判断整篇材料的总体倾向，句子层判断单句的积极、消极或中性，对象层还要识别评价针对哪个实体或属性。
当前【高级情感分析】采用逐行口径。上传的 TXT 文件中，每个非空行先作为一个候选分析单位。程序不会自动判断一行是完整句子、多个句子还是半句话，也不会把相邻行拼接成上下文。
因此，一行最好对应一个可独立判断的表达，例如一条评论、一句访谈摘录或一条客服反馈。若一行同时评价多个对象，最后仍只产生一个总体类别。报告可以列出相互冲突的证据词，但不会分别计算商品、物流和客服的方面级情感。
02
原始文本怎样进入分析
当前工具页接受 TXT 文件，最多上传 10 个文件。单文件上限为 10 MB，单次材料最多 50,000 行。页面开放的主要设置是【分析方向】，通知邮箱不改变分析结果。
每行进入判定前会经过以下处理：
去掉行首和行尾空白，忽略空行。
只保留中文、英文字母、常用中英文逗号、句号、问号、感叹号和空白。
清理后去除空白计算长度，不足 5 个字符的行不参与分析。
数字、话题标签、表情符号、货币符号、括号、引号和部分标点不会进入当前判定文本。涉及价格、时间、百分比、账号、话题标签或表情符号时，应先检查这些信息被去掉后是否还保留原意。
这也限定了【社交媒体】方向的适用范围。当前版本可以根据保留下来的网络用语、反问和反讽结构判断语气，但不能依赖已被清理掉的表情符号或话题标签。
03
八种分析方向改变什么
【分析方向】为同一行提供不同的语境重点。八个方向使用相同的输出结构，不会产生八套可直接横向比较的量表。
| 分析方向 | 当前重点 |
|---|---|
| 通用检测 | 整句语义、语气和上下文中的总体倾向 |
| 电商评论 | 商品质量、服务、物流、性价比、使用体验和推荐意愿 |
| 学术论文 | 观点支持或反对、方法评价、结果认可和批评语气 |
| 社交媒体 | 网络表达、反问、反讽、夸张和表演性情绪 |
| 新闻舆情 | 报道用词、事件描述中的态度、标题与内容的倾向 |
| 金融财经 | 盈亏、增长、风险、预期、承压和市场语境 |
| 医疗健康 | 患者体验、治疗效果、焦虑、信任和质疑 |
| 客服反馈 | 投诉、表扬、处理效率、问题是否解决和情绪变化 |
同一批材料若更换方向，判定条件已经变化。比较两次结果时，需要把【分析方向】写入研究记录，不能只比较百分比。
04
情感词从哪里来
情感分析通常结合两类信息：词汇极性知识与机器学习的语境判断。词汇极性知识回答一个词或短语脱离上下文时通常偏正向、负向还是中性；机器学习负责判断它在当前句中的真实作用，并处理否定、转折、反问、惯用语和评价对象。
当前工具在概念上采用这套分工，但报告中的证据词不是固定词库的直接命中记录。系统先读取整句，再从当前文本中选出证据短语，同时给出【固有极性】和【实际贡献】。因此，同一个词在不同句子中可以产生不同贡献。
| 词汇与语境 | 固有极性 | 句内实际贡献 |
|---|---|---|
| 不错 | 通常正向 | 在【味道不错】中贡献积极 |
| 不愧 | 包含否定字形，但属于惯用正向表达 | 在【不愧是新版本】中贡献积极 |
| 不是 | 形式上含否定 | 在【不是，按钮点三次都没反应吗】中只是话语引入 |
| 没反应 | 通常负向 | 在按钮失效语境中贡献消极 |
| 但 | 本身中性 | 标记前后评价发生转折或对比 |
这一区分比单纯数词更重要。词库知识提供候选方向，机器学习根据整句确定贡献；报告把两者压缩为证据词、贡献方向、词汇标签和句式模式。它没有提供可下载的独立词库，也不能把每个证据词解释为固定词典条目。
05
一行怎样变成结构化结果
每个有效行按同一顺序处理：
先判断说话者在整句中表达的态度，不把被描述事件本身的利害直接当作说话者情绪。
区分作者、行为主体和评价对象，避免把被描述者的行为当成作者立场。
结合惯用语、反问、反讽、条件结构、转折和否定范围判断总体极性。
输出一个总体类别和一个 0～1 得分。
最多列出 5 条证据词或短语，并记录它们在当前句中的积极、消极或中性贡献。
记录主要句式模式、否定是否真实改变命题，以及一个核心触发短语。
这里有两个容易混淆的概念。
第一，证据短语脱离语境时的固有极性，不一定等于它在本句中的实际贡献。例如【不是】可以只是话语引入，【不愧】是固定的正向表达，【没有想象中快】在具体评论中才形成消极贡献。
第二，否定标记只表示否定是否改变命题或评价极性。句子出现【不】【没】并不自动意味着消极，也不自动把整句翻转。判断时还要确定否定的作用范围；【不但】【不愧】一类结构不执行简单极性翻转，跨分句的情感词也不一定受同一否定支配。
06
得分是类别绑定的倾向位置
当前得分不是概率，也不是置信度。它首先服从类别区间：
| 类别 | 当前得分区间 |
|---|---|
| 消极 | 0～0.39 |
| 中性 | 0.40～0.59 |
| 积极 | 0.60～1.00 |
因此，得分主要表示一行在消极到积极方向上的位置。0.95 表示靠近积极端，0.25 表示靠近消极端。它不能回答判定有多可靠，也不能把 0.95 解释为 95% 的正确概率。
报告中的【平均情感得分】是全部有效行得分的算术平均。多文件综合统计按各文件有效行数加权。这个平均值会受类别构成和分行方式共同影响，不能单独当作材料质量、满意度或趋势指标。
报告中【得分 0.4～0.6 的行】用于集中查看边界附近的结果。按当前任务的类别规则，0.60 已属于积极区间，中性区间的上限是 0.59。
07
证据词与推理逻辑怎样使用
逐行报告会把总体类别、得分、原文、证据词和句式线索放在一起。证据词包含三层信息：
【词或短语】：要求从参与分析的文本中摘取；
【实际贡献】：该短语在当前句中贡献积极、消极或中性；
【标签与固有极性】：它属于否定、评价、条件、转折等哪类线索，脱离语境时通常朝哪个方向。
这些信息适合做人工复核入口，不等于已经证明了系统为何得出该结论。当前报告只显示可读证据，没有独立测量证据是否真正影响判定。因此，证据词用于定位原文和检查语境，不作为因果解释。
当证据词与原文不一致、核心短语遗漏转折，或句式标签无法解释总体类别时，应以原文复核为准。
08
多文件统计的分母与聚合口径
综合报告同时保留各文件结果和总结果。主要指标的口径如下：
| 报告指标 | 统计对象与分母 |
|---|---|
| 总行数 | 所有文件中的非空原始行 |
| 有效行数 | 清理后达到 5 个字符并进入判定的行 |
| 跳过行数 | 清理后不足 5 个字符的行 |
| 积极、消极、中性行数 | 各类别的有效行数量 |
| 三类百分比 | 对应类别行数 ÷ 有效行数 |
| 平均情感得分 | 有效行得分的算术平均 |
| 分数分布 | 有效行按 0.1 宽度区间计数 |
| 证据词反查 | 当前视图中逐行证据的出现次数，最多列前 30 项 |
| 消极原因归纳 | 综合结果中最多前 30 条消极行的类别估计 |
多文件综合统计是合并计数，不是文件间差异检验。文件长度不同会让行数较多的文件占更大权重。若研究问题需要比较群体、时间或来源，应保持分行规则一致，并分别记录每组的有效行分母。
底部【高频积极证据词】和【高频消极证据词】用于浏览常见线索。多文件综合视图会先取得各文件的候选词再聚合，不等同于全部原文词频。需要核对具体出现次数和对应原文时，应使用【证据词反查导出】。
【消极原因归纳】只使用综合结果中的最多 30 条消极行。它给出的类别与占比是归纳估计，不是逐行编码后的精确频数。消极行超过 30 条时，这一部分也不代表全部消极文本。
09
一组直接运行的示例
为核对当前实现，本教程构造了 13 行短文本。材料覆盖正向直述、消极故障、客观状态、惯用语、反问、条件表达、混合评价、反讽和一条过短文本。它不是抽样数据，也不支持任何群体结论。
本次选择【通用检测】。13 行中有 12 行进入分析，【一般】因清理后只有 2 个字符被跳过。有效行结果为积极 3 行、中性 6 行、消极 3 行；三类分别占有效行的 25%、50% 和 25%。平均得分为 0.52。
| 行 | 原文 | 实际结果 | 报告线索 |
|---|---|---|---|
| 1 | 这次更新很好用，操作更顺手了。 | 积极，0.95 | 【很好用】【更顺手了】，正向直述 |
| 2 | 页面总是卡住，保存也经常失败。 | 消极，0.25 | 【卡住】【失败】，客观故障形成消极评价 |
| 3 | 系统将在周五晚上十点维护。 | 中性，0.45 | 时间状态陈述，没有直接评价 |
| 4 | 不愧是新版本，常用功能都更快了。 | 积极，0.95 | 【不愧】【更快了】，未把【不】机械翻转为消极 |
| 5 | 不是，按钮点三次都没反应吗？ | 消极，0.25 | 【没反应】，反问评价；句首【不是】属于话语引入 |
| 6 | 如果明天还不修好，我就只能取消订单。 | 消极，0.25 | 【取消订单】贡献消极，前半句记录为条件假设 |
| 7 | 真是太贴心了，提交之后把内容全清空。 | 积极，0.85 | 抓到表层正向表达，未识别构造材料中的反讽 |
| 8 | 物流没有想象中快，但客服处理得很耐心。 | 中性，0.45 | 前半句消极、后半句积极，记录为情感对比 |
| 9 | 这项研究的方法清楚，结论仍需更多样本支持。 | 中性，0.45 | 【清楚】积极，【仍需更多样本支持】消极 |
| 10 | 订单已经发出，预计周三送达。 | 中性，0.52 | 行为与时间状态陈述 |
| 11 | 味道不错，就是分量有点少。 | 中性，0.45 | 【不错】积极，【有点少】消极 |
| 12 | 我不讨厌这个方案，只是还没决定是否采用。 | 中性，0.45 | 【不讨厌】没有直接转成积极，整体保留为中性 |
| 13 | 一般 | 跳过 | 清理后不足 5 个字符，不进入分母 |
这组结果显示出五种不同机制。正向词和负向词可以直接形成类别；客观时间状态通常保持中性；否定字形要结合惯用语和作用范围；正负证据并存时可能压缩为一个中性类别；反讽仍可能被表层正向词带偏。
第 7 行故意把正向词与负面后果并置。当前结果仍判为积极，说明反讽不能仅凭报告中的句式标签自动解决。第 8、9、11 行则说明【中性】不只表示没有情感，也可能表示一行同时出现积极和消极贡献。
本次 3 条消极行又被归纳为【系统稳定性差】【交互响应失效】【服务补救滞后】，占比分别约为 33.3%、33.3% 和 33.4%。由于这里只输入了 3 条消极行，百分比来自类别归纳，不应当当作独立抽样估计。
10
在工具页怎样准备与提交
先决定一行代表一条评论、一个发言回合还是一句材料，并在全部文件中保持一致。
把跨行才能理解的主语、评价对象或否定范围补回同一行。不要让代词只依赖上一行。
检查数字、标签、表情和特殊符号被移除后，剩余文字是否仍能表达原意。
将材料保存为 TXT。大段文字先按可独立判断的表达分行。
上传文件，选择与材料语境一致的【分析方向】，再提交任务。
若需要比较不同方向，保留同一份输入和分行方式，并把每次方向写入记录。
11
报告应按什么顺序读
先看【有效行数】和【跳过行统计】。三类百分比的分母是有效行，不是总行数。
再看积极、中性、消极的行数和逐行列表。逐行列表承担主要证据，类别、得分、证据词和句式线索应一起读。中性行可能是客观陈述，也可能是正负线索同时存在的混合表达。
然后查看【需优先查看的消极行】和【得分 0.4～0.6 的行】。前者只在消极行中按低得分、证据词数量以及否定、反讽、对比或转折线索排序，便于缩小复核范围；它不是风险严重度或判断置信度。后者用于查看类别边界附近的行。
最后使用【证据词反查导出】回到原文。热门词只能说明它被多行结果选为证据，不能证明它在所有语境中具有固定极性，也不能从共现推出原因。
12
当前结果不能直接推出什么
不能证明说话者的真实心理状态，只能记录文本表达出的倾向。
不能验证事件、产品或人物的事实属性。消极评价不等于对象确有缺陷。
不能区分一句话中多个评价对象的方面级情感。
不能把 0～1 得分当作概率、置信度或情绪强度标尺。
不能利用跨行上下文恢复省略的主语、指代和转折。
不能保证识别反讽、隐喻、世界知识和领域黑话。示例中的反讽误判已经显示这一限制。
不能把证据词视为因果解释或人工编码结论。
不能把多文件合并结果当作文件间显著差异或时间趋势。
若个别有效行没有形成可解析的结构化结果，当前程序会以中性 0.5 计入统计，报告不会把这一分支单独列成错误类别。研究使用时，应重点复核中性 0.5、证据为空或逻辑线索为空的行。