传统情感分析
逐行判断中文文本的情感倾向，同一批材料由两套情感词典各打一次分：PySenti（按正负情感词的权值累加打分，并计入否定词与程度副词）和 CnText（按大连理工情绪词典的乐、好、怒、哀、惧、恶、惊七类情绪词打分）。每行分别得到一个 0～1 的分值、积极 / 中性 / 消极的判定和命中的情感词。
两套判定逐行比对，给出类别一致的比例和判断分歧的句子，供人工复核。可以补充自己的积极词和消极词，两套词典同时生效。过短的文本会被跳过；词典匹配不识别反讽和依赖上下文的表达。
加载文件上传组件中...
已识别 0 / 500 个词
补充领域专属的积极情感词，PySenti（按正负情感词权值打分）与 CnText（按大连理工情绪词典打分）两种方法同时生效；留空则只用各自的默认词典。逗号、顿号、分号或换行分隔均可。
已识别 0 / 500 个词
补充领域专属的消极情感词，两种方法同时生效。
每 400 行 2 点
传统情感分析常见问题
- 传统情感分析适合处理什么材料？
- 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。
- 传统情感分析会得到什么结果？
- 用两套情感词典各给每行文本打一次分并判定积极、中性、消极，再比对两者的分歧。
- 两套词典的结果不一致怎么办？
- 报告给出两套判定的一致比例和有分歧的句子，分歧句正是需要人工复核的地方。
- 词典法情感分析有什么局限？
- 按词典匹配打分，不识别反讽和依赖上下文的表达；过短的文本会被跳过。需要逐条判定依据的材料可以用高级情感分析。
- 可以加自己的情感词吗？
- 可以补充积极词和消极词，两套词典同时生效。
- 传统情感分析怎么用？
- 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《传统情感分析工具使用教程：对比两种词典方法，补充自己的情感词表》。
- 传统情感分析怎么计费？
- 按行数计费，每满 400 行 2 点，不足 400 行按 2 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。
在论文里引用传统情感分析： 查看引用格式