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。
加载文件上传组件中...
txt 每行算一条；csv 选中的列里每一格算一条，只选装着正文的列，编号、日期这类列也会被当成句子一起统计。评论、留言、问卷开放题这类一两句话的短文本判得最准，超过 512 字的只看前 512 字。
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，专门判断一句话是在夸、在骂，还是说不上夸骂。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通用快速情感判断适合处理什么材料？
- 中文文本材料，例如新闻报道、政策文件、访谈记录、评论和文学作品，上传文本文件后即可分析。
- Mia通用快速情感判断会得到什么结果？
- 逐条判断中文短文本是夸、是骂还是说不上夸骂，并统计整批比例。
- Mia通用快速情感判断怎么用？
- 上传材料、确认设置、点提交，任务完成后在工作台打开报告。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