文本情感分析是什么？判断一段文字的态度是正面还是负面

文本情感分析（Sentiment Analysis），也称为意见挖掘，是指用自然语言处理、文本挖掘和计算语言学等方法，识别和提取文本中主观信息的技术。它的核心任务是判断一段文字表达的态度和情绪：是正面的、负面的，还是中性的。

它能做什么

情感分析可以在不同的粒度上进行。文档级：判断一整篇评论或文章的总体情感倾向。句子级：判断每一句话的情感。方面级：识别出文本中评价的具体方面，并分别判断对每个方面的情感，比如“手机拍照很好，但电池不耐用”中，对拍照是正面，对电池是负面。除了正负面的判断，情感分析还可以进一步识别具体的情绪，比如喜悦、愤怒、悲伤、惊讶、恐惧；或者给出情感的强烈程度，比如一到五星的评分。

技术的演变

基于词典的方法：事先建立一个情感词典，标注每个词的情感倾向和强度，比如“好”“喜欢”是正面词，“差”“讨厌”是负面词，统计文本中情感词的情况来做判断，还要处理“不”“非常”这类否定词和程度词。这种方法简单、可解释，但很难处理复杂的表达。传统机器学习方法：把文本转换成特征，比如词袋模型，用朴素贝叶斯、支持向量机等分类器在标注好的数据上训练。深度学习方法：用循环神经网络、卷积神经网络，再到 BERT 等预训练语言模型，能够更好地理解上下文和语义，效果大幅提升。如今，大语言模型只需要通过提示词，就能完成情感分析，甚至能解释它做出判断的理由。

难点

情感分析看起来简单，实际上有不少难点：讽刺和反话，比如“这服务真是好得让人感动，等了两个小时”；否定和转折，比如“不算差”“虽然贵，但值得”；依赖领域和语境，同一个词在不同的场景下情感可能相反，比如“这部电影让人停不下来”是夸奖，“这台电脑的风扇停不下来”是抱怨；网络流行语、表情符号和新词；以及一段文字中包含多种混合的情感。

应用

商品评论分析：电商平台和商家分析海量的用户评价，了解产品的优缺点。舆情监测：政府机构和企业实时追踪社交媒体上公众对某个事件、品牌或政策的态度变化，及时发现负面舆情。客户服务：分析客服对话和投诉，识别情绪激动的客户，优先处理。市场调研：了解消费者对新产品、广告活动和竞争对手的看法。金融：分析新闻和社交媒体的情绪，作为判断市场走势的参考信号之一。