隐含情感识别

特点:逐条判断中文评论、回复或短句字面之外的态度:这句话有多大可能是阴阳怪气(反讽、嘲讽、表面一套心里一套),是否在用夸张的赞美表达不满,也就是过度捧杀,以及隐含的消极程度。每条同时给出积极倾向、情感强度、主导情感(含讽刺在内共十类)和判断的把握,整份文本再汇总各项的分布和占比。

优点:积极、消极、中性和效价这类判断只读得出字面意思,【等了三天果然没让我失望】会被判成积极。这个工具专门挖藏起来的情绪,认得出阴阳怪气、反讽和捧杀这类绕着弯说的话,读得懂字面和本意相反的高级说法。

适合:中文互联网上的评论、弹幕和回复,尤其是怀疑有反话、嘲讽或捧杀的材料。

试试看:
加载文件上传组件中...

每 200 行 10 点

隐含情感识别常见问题

隐含情感识别怎么用?
不用安装软件,也不用写代码。
隐含情感识别怎么计费?
按行数计费,每满 200 行 10 点,不足 200 行按 10 点算。提交前页面会显示本次消耗。
结果可以写进论文吗?
可以。报告里的数字和图表附有统计口径与原文出处,末尾有方法说明,涉及统计模型的报告还列出参考文献,可以作为论文附件或方法依据。
相关工具
  • Mia通用快速情感判断用 TATOOLS 自研开源的 Mia 判断每条短文本是积极、消极还是中性,又快又准,花费低。
  • Mia多维情绪判断在积极、消极、中性之外,给每条短文本打出效价、唤醒度、支配度,并分出主导情绪。
  • DeepSentiV2深度学习情感分析一次筛完一份材料的积极、消极和中性,并列出情感关键词和热门榜单。
  • VAD 三维情感分析按论文、新闻等材料的口径,细看每句话的积极消极和效价、唤醒度、支配度。
  • 高级情感分析不知道选哪个就选它。逐条判积极、消极、中性,附原文证据词,标出反讽和否定,并归纳消极原因。
  • Mia评论情绪走势与起落分析按时间画出评论和帖子的情绪走势,找出情绪起落的时段和当时在聊什么。