两条差评，【等了一个小时还没上菜，气死我了】和【等了一个小时还没上菜，算了，下次不来了】，按积极、中性和消极分，都是消极。可读过的人都知道它们不一样，前一条在发火，后一条是失望。极性只回答情感朝哪个方向，这两条的区别在另外两个方向上，一个是激动还是平静，一个是觉得自己占上风还是无可奈何。
心理学里描述这种差别的办法叫 VAD 模型，用效价（Valence）、唤醒度（Arousal）和支配度（Dominance）三个维度给情感定位。在 TATOOLS 的【VAD 三维情感分析】里【上传文档】，每一行文字都会得到一个极性判定、一个情感得分和三个 0 到 1 的维度分值。选研究级引擎时，每行还附上支撑判定的证据词和推理逻辑。报告把全部文字画进情感空间，挑出需要优先查看和需要回看原文的行，设了目标基调的话，还会找出离目标最远的句子。
这篇教程先讲三个维度的来历和含义，再讲 TATOOLS 怎样逐行判定、两种引擎各给出什么，接着讲四组设置，分析场景和叙事视角，情感颗粒度和分析侧重，最后逐块讲报告，从四象限和优先查看的行讲到目标基调对照，再到论文里的写法。
01
情感为什么要用三个维度
用几个维度描述情感，这条思路可以追到 Osgood、Suci 和 Tannenbaum 1957 年的《意义的测量》。他们让受试者在好与坏、强与弱这类成对的形容词之间给大量词语打分，因子分析反复得出三个维度，评价、力度和活动性。人对词语意义的感受，大部分可以放进这三个轴里。
Mehrabian 和 Russell 1974 年把这三个维度用到情绪上，称为 PAD 模型，愉悦（Pleasure）、唤醒（Arousal）和支配（Dominance）。Russell 1980 年又提出环形模型（Circumplex Model），只用愉悦和唤醒两个维度，把常见情绪排成一个圆环，兴奋在右上，平静在右下，焦虑在左上，沮丧在左下。后来的语言学研究多把愉悦改称效价，于是有了 VAD 这个名字。
第三个维度的用处，在愤怒和恐惧上看得最清楚。两者都是负面的，都很激动，在效价和唤醒度构成的平面上几乎重合。Russell 和 Mehrabian 1977 年的研究里，它们在支配度上分开了，愤怒的人觉得自己能掌控局面，恐惧的人觉得局面掌控着自己。
| 情绪 | 效价 | 唤醒度 | 支配度 |
|---|---|---|---|
| 喜悦 | 高 | 偏高 | 偏高 |
| 满足 | 高 | 低 | 中 |
| 愤怒 | 低 | 高 | 高 |
| 恐惧 | 低 | 高 | 低 |
| 悲伤 | 低 | 低 | 低 |
有了三个维度，开头那两条差评就分开了。发火的那条唤醒度高、支配度也不低，失望的那条唤醒度低，支配度也低。
TATOOLS 的【VAD 三维情感分析】给每一行都打上这三个分值，同一批材料里愤怒和恐惧、激动和失望，能在报告的情感空间里各自占到不同的位置。
02
三个维度分别量什么
TATOOLS 把三个维度都放在 0 到 1 之间，0.5 是中点。
| 维度 | 0 这一端 | 1 这一端 | 例句（示例分值） |
|---|---|---|---|
| 效价 V | 极度负面 | 极度正面 | 服务太贴心了，下次还来（V 约 0.9） |
| 唤醒度 A | 极度平静 | 极度激动 | 天哪，居然中奖了（A 约 0.9） |
| 支配度 D | 完全被动，无能为力 | 完全主动，掌控局面 | 这事我说了算（D 约 0.85） |
维度分值的研究基础是一批人工标注的情感词典和语料。Warriner、Kuperman 和 Brysbaert 2013 年请人给 13,915 个英文词分别打了效价、唤醒度和支配度的分；Mohammad 2018 年的 NRC VAD 词典扩展到 2 万个英文词；Yu 等人 2016 年整理了中文词语的效价和唤醒度评分；Buechel 和 Hahn 2017 年的 EmoBank 在一万个英文句子上标注了三个维度，把 VAD 从词推到了句子。
从词到句，情感会被上下文改写。【不错】单看是正面，【我不觉得不错】就翻了过来；【气死我了】单看很激动，放在【今天终于学会了单板，累得气死我了】里又是开心的抱怨。TATOOLS 逐句读整行文字给出三个分值，这些分值反映的是整句在上下文里的情感。
03
逐行判定：一行一个分析单位
TATOOLS 的分析单位是一行。上传的文字按换行拆开，每一行单独判定，适合评论和弹幕，还有开放题回答和访谈摘录这类一行一句的材料。去掉符号以后不足 5 个字符或超过 150 个字符的行会被跳过，不进入统计，报告的【需要回看原文的行】会把它们单独列出来。成段的长文可以先用 TATOOLS 的【文本清洗】分好段再来分析。
每一行都会得到这几样结果。
| 结果 | 取值 | 说明 |
|---|---|---|
| 情感类型 | 积极、中性、消极 | 整句的极性 |
| 情感得分 | 0 到 1 | 和情感类型绑定，积极不低于 0.6，消极不高于 0.39，中性在 0.4 到 0.59 之间 |
| 效价、唤醒度、支配度 | 各 0 到 1 | 三个独立的维度分值 |
| 证据词或关键词 | 最多 5 个 | 研究级引擎给证据词，高吞吐引擎给关键词 |
情感得分和情感类型绑在一起，目的是让类型统计和得分分布互不矛盾，得分落在哪个区间，类型就是哪一类。效价是另一项独立的输出，所以会出现两者方向不一致的行，比如判为积极、效价却低于 0.5。
不一致 = (类型为积极 且 V < 0.5) 或 (类型为消极 且 V > 0.5)
这样的行往往带着反讽或者复杂的情绪，TATOOLS 在逐行列表里给它们打上感叹号，在【需要回看原文的行】里也单独归为一组，提醒读者回原文看。
上传多个文件时，报告顶部可以在【综合统计】和各个文件之间切换，综合统计把所有文件的行合在一起算。
04
两种引擎各给出什么
工具页的【选择分析引擎】有两个选项。【DeepSenti V2（高吞吐）】输出极性和置信度，外加最多 5 个情感关键词和三个维度分值，适合大批量处理。它的情感得分由极性和置信度换算。
积极：得分 = 0.5 + 0.5 × 置信度
消极：得分 = 0.5 − 0.5 × 置信度
中性：得分 = 0.5
例：积极、置信度 0.8，得分 = 0.5 + 0.4 = 0.9
消极、置信度 0.6，得分 = 0.5 − 0.3 = 0.2
【DeepSenti V3（研究级）】是默认选项，除了极性和三个维度分值，还给出证据词和推理逻辑。每个证据词都直接摘自原文，并写明三样东西。
| 字段 | 含义 | 取值举例 |
|---|---|---|
| 在本句中的贡献 | 这个词在这句话里实际推向哪边 | 积极、中性、消极 |
| 固有极性和类别 | 这个词脱离语境时的倾向和词类 | 正向形容词、反问句式、条件催促 |
| 对三个维度的贡献 | 相对中点把 V、A、D 各推了多少 | 可选 |
推理逻辑记录这句话的触发模式，比如否定翻转、反讽反转或反问评价，一共十二种，还标明有没有真正改变极性的否定，以及最关键的触发短语。
研究级引擎按一套固定的顺序判定。
先按整句判断说话者实际表达的态度，事件本身的利害不等于情感，没有明确情绪或评价就判中性。
区分作者、行为主体和评价对象，被描述者的极端行为不等于作者的情绪。
惯用语、反问、反讽和条件句优先于单个字的字面意思。
否定只有在真正改变了命题或评价的极性时才算否定。
先定极性，再给三个维度，紧迫、惊讶和感叹主要提高唤醒度，不自动降低效价。
两个例子能说明这套顺序怎样起作用。【不愧是我，再不学单板滑雪，雪季就要结束了！】整句积极，【不愧是我】贡献积极，后面的条件催促贡献中性，唤醒度可以高，效价不该低。【不是，真的有人贷款上班啊？】整句消极，开头的【不是】是中性的话语标记，消极来自后半句的反问评价。两句都含【不】，只看字面会判错。
需要逐句解释情感从哪来的研究，比如要在论文里引用证据词、说明判定理由，选 TATOOLS 的研究级引擎；只要大批量的极性和维度分值，选高吞吐引擎更快。
05
分析场景和叙事视角
【分析场景】告诉 TATOOLS 这批文字来自什么领域，判定时侧重不同的信号。
| 场景 | 侧重什么 |
|---|---|
| 通用检测 | 从一般语义理解情感 |
| 电商评论 | 商品质量、服务、物流、性价比，是否愿意推荐 |
| 学术论文 | 对观点的支持或反对、对方法和结果的评价，把学术批评和情绪表达分开 |
| 社交媒体 | 网络用语、缩写、讽刺反讽和夸张，分清真情绪和表演式表达 |
| 新闻舆情 | 报道立场、用词褒贬、事件描述中隐含的态度 |
【叙事视角】决定分析的是谁的情感。【他气得摔门而去】这句话，按【表达者情感】分析，看的是叙述者本人的态度；按【对象描述情感】分析，看的是被描述的人，他在发怒，效价低、唤醒度高；按【读者情感预测】分析，预测的是一个普通读者读到这句话时的感受。
| 视角 | 分析谁的情感 | 适合的研究 |
|---|---|---|
| 表达者情感 | 说话者本人 | 评论、自述、访谈 |
| 对象描述情感 | 文字里被描述的人或事物 | 人物描写、产品叙事、事件报道 |
| 读者情感预测 | 假想的普通读者 | 说服力分析、受众研究 |
同一批新闻报道，研究媒体立场选表达者视角，研究报道里当事人的处境选对象视角，研究报道可能引起的公众情绪选读者视角。TATOOLS 把视角做成单独的设置，是因为这三种问题的答案常常不一样。
06
情感颗粒度：三类、六类还是八类
【情感颗粒度】决定情绪标签分多细，报告的图表也随之变化。
| 颗粒度 | 标签 | 报告里的图 |
|---|---|---|
| 极性分析 | 积极、中性、消极 | 效价 × 唤醒度散点图，情感类型分布 |
| 基础情绪映射（推荐） | Ekman 六种基本情绪 | 散点按情绪着色，六情绪分布 |
| 连续维度 | 仍给极性，重在三维分值铺开 | 效价 × 支配度散点图 |
| Ekman 六大基本情绪 | Anger、Disgust、Fear、Joy、Sadness、Surprise | 情绪频次分布 |
| Plutchik 情绪之轮 | 八种基本情绪及组合情绪 | 情绪频次分布 |
Ekman 在 1970 年代做了跨文化的面部表情研究，发现喜悦、愤怒、悲伤、恐惧、惊讶和厌恶六种情绪在不同文化里都能被认出来，1992 年的综述系统阐述了基本情绪论。Plutchik 1980 年提出情绪之轮，在六种之外加上信任和期待，排成八瓣，相邻两种情绪还能组合出新的情绪。
喜悦 + 信任 = 爱
愤怒 + 厌恶 = 轻蔑
恐惧 + 惊讶 = 敬畏
选基础情绪映射时，TATOOLS 要求每一行的三个维度分值和它被归入的情绪在情感空间里的典型位置一致，愤怒效价低，唤醒度和支配度都高；恐惧同样效价低、唤醒度高，支配度却低。选 Ekman 或 Plutchik 两个经典框架时，情绪标签用英文输出，Plutchik 还会给出由轻到强三档强度。选连续维度时，TATOOLS 会让三个维度的分值在 0 到 1 之间充分铺开，适合把分值当作连续变量做后续的统计建模。
07
分析侧重：哪个维度最要紧
【分析侧重】指导 TATOOLS 优先捕捉哪一类情感信号，也决定哪个维度最需要拉开区分度。
| 侧重 | 理论来源 | 主要看的维度 |
|---|---|---|
| 整体倾向 | 综合全部情感线索 | 三个维度均衡 |
| 认知评价 | Lazarus 的认知评价理论（1991） | 效价看评价正负，支配度看确信程度 |
| 情感体验 | Russell 的环形模型（1980） | 唤醒度最重要 |
| 行为意向 | Frijda 的行动倾向理论（1986） | 支配度最重要，唤醒度看冲动有多急 |
Lazarus 认为情绪来自人对事情的评价，好不好、该不该、有没有用，所以认知评价侧重显性的评判。Frijda 把情绪看作行动的准备，趋近还是回避、控制还是顺从，所以行为意向侧重支配度。研究用户满意度，选认知评价；研究情绪强度和感染力，选情感体验；研究抵制和投诉这类行为倾向，选行为意向。
08
四象限和情感空间
报告的散点图把每一行画成一个点，横轴是效价，纵轴是唤醒度，点的大小表示支配度，颜色表示极性或情绪类型。以 0.5 为界，平面分成四个象限，TATOOLS 统计每个象限各有多少行。
| 象限 | 条件 | 典型情绪 |
|---|---|---|
| 愉悦激动 | V ≥ 0.5，A ≥ 0.5 | 兴奋、快乐、热情 |
| 愉悦平静 | V ≥ 0.5，A < 0.5 | 满足、安心、平和 |
| 不愉悦激动 | V < 0.5，A ≥ 0.5 | 愤怒、恐惧、焦虑 |
| 不愉悦平静 | V < 0.5，A < 0.5 | 悲伤、失望、无聊 |
选连续维度颗粒度时，纵轴换成支配度，四个象限变成主动正面、被动正面、主动负面和被动负面，主动负面对应愤怒和抵触，被动负面对应恐惧和无助。
【典型句摘录包】从每个象限里各挑一条离象限角最远的句子，作为这个象限最有代表性的例子。以愉悦激动象限为例，每行按下面的方式打分，分数最高的入选。
愉悦激动象限得分 = (V − 0.5) + (A − 0.5)
例：甲 V = 0.92，A = 0.80，得分 = 0.42 + 0.30 = 0.72
乙 V = 0.70，A = 0.95，得分 = 0.20 + 0.45 = 0.65
甲入选
四条典型句可以一起导出，写论文时直接用作每类情绪的例句。
09
需要优先看的行、需要回看原文的行
一批几千条的评论，研究者最先想看的是情绪最糟的那些。TATOOLS 的【需优先查看的行】按效价低、唤醒度高、支配度低三项的组合排序，判为消极的再往前提，列出最多 8 行，每行写明是哪一项让它排到了前面，比如效价偏低、唤醒度偏高。这种组合对应又难受又激动、还觉得无能为力的状态，客服和舆情工作最需要先处理这类文字。
【需要回看原文的行】把三类结构上值得核对的行集中起来。
| 类别 | 是什么 |
|---|---|
| 极性与效价方向不一致 | 判为积极但效价低于 0.5，或判为消极但效价高于 0.5 |
| 长度不符合分析范围 | 太短或太长、没有进入统计的行 |
| 证据词缺失 | 研究级引擎给出了判定，却没有给出证据词 |
逐行列表里每一行都能标记为需复核、已确认或误判，列表可以按积极、中性和消极筛选，标记过的行可以一起导出。复核标记保存在当前页面，刷新前记得导出。
10
目标基调对照
有些文字写出来是要达到某种语气的。客服回复要温和共情，风险提示要有提醒力度，论文摘要要客观平稳。在工具页的【目标基调对照】里选一种基调，TATOOLS 会拿每一行的三个维度分值和这种基调的目标范围比较。
| 目标基调 | 适合的文字 | 目标是什么样 |
|---|---|---|
| 客观平稳 | 论文摘要、新闻说明、行政材料 | 效价接近中性，唤醒度不高，支配度适中 |
| 鼓励支持 | 评语、学习反馈、社群运营 | 效价较高，唤醒度适中，有支持感 |
| 温和共情 | 客服回复、心理支持、用户沟通 | 不过冷也不过激，控制感不压迫 |
| 警示提醒 | 风险提示、规则说明、公告 | 有提醒强度，不失控激化 |
| 批评监督 | 评论、舆情、监督文本 | 立场清楚，有控制感，不过度煽动 |
每种基调在三个维度上各有一个目标区间。一行文字落在区间外多远，就是它在这个维度上的偏离；三个维度的偏离加权相加，效价的权重最大，唤醒度次之，支配度最小。以客观平稳为例，它的目标区间是效价 0.45 到 0.6、唤醒度 0.25 到 0.55、支配度 0.45 到 0.7。
某行 V = 0.30，A = 0.72，D = 0.50
效价低于下限 0.45，偏离 0.15
唤醒度高于上限 0.55，偏离 0.17
支配度在区间内，偏离 0
偏离度 = 0.42 × 0.15 + 0.32 × 0.17 + 0.26 × 0 ≈ 0.117
报告先用全部行的平均值判断整体是否落在目标范围内，再列出偏离最大的至多 8 行，每行写明是哪个维度高于或低于目标。这一块特别适合改稿，写好的一批客服话术或者公告，放进 TATOOLS 跑一遍，就能找出语气最不对的那几句。
11
高频证据词和自定义词表
报告按积极和消极分别列出最常出现的证据词或关键词，各取前 20 个，多个文件时综合统计按全部文件的真实频次汇总。工具页的【排除词表】和【关键词别名】只作用于这两个榜单，排除词不进榜，别名把几种写法合并成一个词计数，比如把划算、值、物超所值都并到性价比。逐行结果和原文都保持不变。
12
报告怎么读
TATOOLS 的报告自上而下是这几块。
| 区块 | 先看什么 |
|---|---|
| 这份结果说明了什么 | 有效行数，积极、中性、消极各多少行，方向相反的行有几条 |
| 情感空间分布 | 点集中在哪个象限，有没有离群的点 |
| 情感分布 | 各类型或各情绪的行数 |
| 逐行情感分析 | 每行的判定、三维分值和证据词，可筛选和复核 |
| 高频积极、消极证据词 | 情感主要由哪些词带出来 |
| 需优先查看的行 | 最糟的几条情绪 |
| 需要回看原文的行 | 方向相反、长度不符和缺证据的行 |
| 目标基调对照 | 设了基调时出现，偏离最大的句子 |
| 典型句摘录包 | 四个象限各一条代表句 |
任务结果里还能下载三类表格，每个文件的逐行结果、每个文件的统计汇总，以及全部文件的综合统计。逐行结果里有原文、情感得分、情感类型、证据词或关键词、推理逻辑和三个维度分值，可以直接拿去做回归或者分组比较。
13
把结果写进论文
VAD 分值是连续变量，最适合进入后续的统计分析，比如比较两个平台评论的平均唤醒度，或者看效价随时间怎样变化。下面是一段方法部分的写法示例，方括号里换成自己的设置和数字。
本研究使用 TATOOLS 的 VAD 三维情感分析对 [行数] 条文本逐行进行情感标注，分析引擎为 [研究级 / 高吞吐]，分析场景为 [场景]，叙事视角为 [视角]。每条文本得到积极、中性或消极的极性判定，以及效价、唤醒度和支配度三个 0 至 1 的维度分值（Mehrabian 与 Russell，1974）。研究级引擎同时给出摘自原文的证据词与判定逻辑。本研究以效价和唤醒度的均值比较 [组别] 之间的情感差异，并对极性与效价方向不一致的 [条数] 条文本逐条回看原文。
引用具体例子时，可以从典型句摘录包里取每个象限的代表句，连同它的三个维度分值一起列出。
14
小结
VAD 模型用效价、唤醒度和支配度三个维度给情感定位，来源可以追到 Osgood 的语义差异研究和 Mehrabian、Russell 的 PAD 模型。
支配度能把效价和唤醒度都相近的情绪分开，愤怒是高支配，恐惧是低支配。
TATOOLS 的【VAD 三维情感分析】逐行给出极性、与极性绑定的得分和三个 0 到 1 的维度分值，极性和效价方向相反的行会被标出。
研究级引擎按固定顺序判定，给出摘自原文的证据词和推理逻辑；高吞吐引擎给出关键词，速度更快。
分析场景、叙事视角、情感颗粒度和分析侧重四组设置，分别决定看什么领域的信号、分析谁的情感、标签分多细和哪个维度最要紧。
报告按四象限画出情感空间，列出需优先查看和需要回看原文的行，设了目标基调还会找出偏离最大的句子。
想看一段长文从头到尾的情绪起伏，可以用 TATOOLS 的【全文情感曲线】；只需要逐条的情感极性和证据，可以用【高级情感分析】。
15
资料来源
Osgood、Suci 与 Tannenbaum：The Measurement of Meaning，University of Illinois Press，1957
Mehrabian 与 Russell：An Approach to Environmental Psychology，MIT Press，1974
Russell：A Circumplex Model of Affect，Journal of Personality and Social Psychology，第 39 卷第 6 期，1980
Ekman：An Argument for Basic Emotions，Cognition and Emotion，第 6 卷第 3–4 期，1992
Plutchik：Emotion: A Psychoevolutionary Synthesis，Harper & Row，1980
Lazarus：Emotion and Adaptation，Oxford University Press，1991
Frijda：The Emotions，Cambridge University Press，1986
Yu 等：Building Chinese Affective Resources in Valence-Arousal Dimensions，NAACL-HLT，2016
END