Mia 开源情感三分类：逐条判断后，怎样读分布与把握

一份反馈表里既有称赞，也有抱怨，还有只陈述事实的句子。逐条读可以保留语境；材料多了，还需要知道各类各有多少，以及哪些判断值得回到原文核对。TATOOLS 的【Mia开源情感三分类】把短文本逐条归入负面、中性或正面，并保留每一类的概率。

TATOOLS 对文本逐条判断。每条记为 x，输出三类概率 p(负面｜x)、p(中性｜x)、p(正面｜x)，三者相加为 1。概率最高的类别是该条的判断结果。

例如，一条文本的三类概率依次为 0.10、0.75、0.15，结果是中性，把握为 0.75。把握记录这条文本最高类别的概率。报告中的【平均把握】把所有已判断文本的把握相加，再除以已判断条数。

研究前先把分析单位定清楚。TATOOLS 在逐行材料中把一行算作一条；表格材料则把选中列里的每个非空单元格算作一条。同一行选了多个列，就会产生多条判断。若研究对象是评论正文，提交时只选装评论的列。超过 512 字的一条文本只分析前 512 字；清理后没有文字的条目不计入已判断条数。

三分类统计各类别的条数与占比。TATOOLS 以已判断条数 N 为分母，某类有 n 条，占比就是 n÷N。若 N 为 20，其中负面 5 条、中性 12 条、正面 3 条，三类占比分别是 25%、60%、15%。这张分布表描述本次输入的文本单元。

【只分正负时】使用同一批文本，不丢掉原先判为中性的条目。TATOOLS 对每条只比较正面与负面的概率，较大的一方记为【偏正面】或【偏负面】，再用全部已判断条数作分母。所以这一栏的偏正面占比可以高于三分类里的正面占比；两栏回答的是不同问题。

打开 TATOOLS 的Mia开源情感三分类，在【上传文本】区域选择材料。任务页的【模型版本】提供三个选择：默认版本用于尽量找出差评和抱怨；第二个版本用于快速查看整体分布；第三个版本适合对大量材料先作初步浏览。前两个版本把褒贬并存的句子归为中性，第三个版本对此没有固定归类。按研究中【中性】的定义选择，再向下滚动点【提交任务】。完成后打开报告，逐条结果也可从报告下载。下面的截图记录当前任务页状态；公开实例选择了第三个版本。

Mia 开源情感三分类任务页的上传文本入口与三个版本选择

下面使用 TATOOLS 的Mia开源情感三分类公开实例。实例提交了三份测试材料，选择的是第三个版本。每份表格有 300 个数据行，报告各记 1800 个已判断单元格，合计 5400 条。这里的【条】是选中列的文本单元格。

Mia 开源情感三分类公开实例的结果说明与三类总览

【总览】记录负面 647 条，占 12.0%；中性 4156 条，占 77.0%；正面 597 条，占 11.1%。三个占比都以 5400 条已判断文本为分母。【只分正负时】逐条重新比较正负概率，偏正面占 85.4%；三分类中的正面占比仍为 11.1%。

报告还列出【把握分布】与把握不足 0.6 的文本，本例有 32 条落在后一组。阅读研究材料时，可先看各文件的分布，再回到具体文本及其来源列核对难判断的条目。报告的【下载原始数据】给每个输入文件一份逐条结果，包含类别、三类概率与把握。

若要同时观察情绪强弱与维度，可接着阅读 TATOOLS 的【VAD 三维情感分析】教程。