Mia通用快速情感判断
逐条判断中文评论、留言和问卷回答是在夸（正面）、在骂（负面），还是说不上夸骂（中性，只陈述事实或夸骂分不出偏向的都算），给出每条的把握，并统计整批比例。所用模型 Mia 由 TATOOLS 训练并开源，不挑领域：从餐饮、银行到快递和网络游戏，30 个行业的测试判对 94%；在跨行业和微博等公开测试上胜过 7 个常用开源情感模型，包括专门用点评、电商评论训练的模型。它只判断态度偏向，不拆分具体情绪，也不列证据词。
先确认正文列
请只选择正文列，编号和日期也会被当作文本统计。
加载文件上传组件中...
想把差评和抱怨尽量一条不漏地找出来，选这个。
Mia 是 TATOOLS 训练并开源的中文情感模型，和 PySenti（按情感词典打分）一样把每条文本判成积极、中性或消极，但它读整句话来判断，不只认词典里的词，判得更准。三个版本的模型文件都用 Apache-2.0 协议公开，可以免费商用；全部测试数据、12 次训练的报告和脚本也在 GitHub 上，每个成绩都能照着重算。
和 7 个常用的开源中文情感模型用同一套公开测试集重测，Mia 判对 88.1%，它们当中最好的是 69.3%。
| 版本 | 什么时候选 | 公开测试集 | 900 条中文基准 |
|---|---|---|---|
mia-decider-2b 当前选择 | 想把差评和抱怨尽量一条不漏地找出来 | 88.1% | 94.0% |
mia-qwen3.5-2b | 只想快点看出整体是夸得多还是骂得多 | 87.1% | 94.1% |
mia-laya | 数据特别多、只想先快速粗扫一遍 | 81.7% | 93.7% |
表中是判对的比例。公开测试集是 5,372 条训练时没见过的真实短文本；900 条中文基准覆盖 30 个行业和 5 种文体。
每 200 行 1 点
Mia通用快速情感判断常见问题
- Mia通用快速情感判断怎么用？
- 不用安装软件，也不用写代码。详细步骤见教程《Mia 开源情感分析：逐条看出是夸、是骂，还是说不上夸骂》。
- Mia通用快速情感判断怎么计费？
- 按行数计费，每满 200 行 1 点，不足 200 行按 1 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。
在论文里引用Mia通用快速情感判断： 查看引用格式
Mia通用快速情感判断教程
相关工具
- Mia多维情绪判断逐条判断中文短文本的整体态度和主导情绪，并给出效价、唤醒度、支配度与情绪强度的分数。
- Mia评论情绪走势与起落分析逐条判断帖子和评论的情绪，按时间画出走势，找出情绪起落的时段并概括当时的话题。
- 高级情感分析逐条判定情感倾向，给出摘自原文的证据词和整句判定逻辑，并归纳消极文本的主要原因。
- AIGC写作痕迹检测和人写、AI 写的同类文章对比，给中文文本打 0 到 100 的 AI 味分，并在原文标出 AI 常用写法。
- 知识图谱从材料中抽取实体与关系生成知识图谱，合并同义说法，并归出主题群与一份提纲。
- 停用词挖掘按词在各段落的分布挖出本领域特有的高频低信息词，给出可直接取用的停用词候选表。