传统情感分析

评论、问卷开放题和舆情短文本常常需要先做正负中初筛，但通用词典不一定覆盖你的行业表达。传统情感分析基于 PySenti 和 CnText 两个开源词典方法做二次开发，底层词典融入了多年实际项目中积累的行业情感词。系统解决的不是复杂语义理解问题，而是把两种词典口径并列展示，并允许用户补充自己的积极词和消极词。

系统会对 TXT 或 CSV 文本逐行处理，清理无关字符并过滤过短文本，再分别使用 PySenti 和 CnText 两种词典路线输出 0～1 情感得分和积极、中性、消极标签。核心亮点是两种方法对照、一致率统计和分歧样本展示，方便你判断哪些文本可以快速归类，哪些需要人工复核。

页面提供自定义积极词和消极词输入，适合补充课程反馈、商品评论、行业舆情中的专门表达。自定义词典主要用于 PySenti 词典规则口径；CnText 作为另一套内置情绪词典口径并列展示。这个过程是词表补充，不是模型训练，不能替代对反讽、省略和上下文的人工判断。

报告页展示有效行数、两法一致率、PySenti 均分、CnText 均分、情感分布饼图、分数分布柱状图、分歧样本表和热门积极/消极关键词。结果适合用于批量初筛、词典口径调试和复核样本定位。