什么是 Sentiment Analysis？ — 免费工具
讲清楚情感分析：自动化打分是如何运作的，为什么它在反讽和俚语面前会理直气壮地出错，以及为什么一张情感图表应该促使你去读那些提及内容，而不是替代阅读它们。
Sentiment analysis（情感分析）是对提及、评论或评价进行自动分类，判断其为正面、负面或中性，通常应用在大量文本上。
这是什么
Sentiment analysis 是一种自动化的文本分类，把提及、评论或评价标记为正面、负面或中性，通常应用在人工逐条阅读不现实的大批量文本上。大多数社交聆听仪表盘和品牌监测工具都以此为底层机制。
如何衡量
工具借助语言模型或词语模式匹配为每一条文本打分，再把结果汇总成一张图表或一个随时间变化的情感总分，通常还会按话题、平台或时间段进一步细分。
常见误解
一张情感图表看起来很精确——一条干净的曲线或一个百分比——这让人很容易把它当成板上钉钉的事实。其实并非如此。自动化打分在面对反讽、圈内梗、俚语和行业术语时经常错得理直气壮，因为这些内容在特定语境下的真实含义和字面意思完全不同。一条充满反讽的评论可能因为用了正面词汇而被打成强烈正面。一个在普通英语里听起来负面的行业黑话，在那个圈子里可能其实是一种夸奖。工具没有办法标出自己的不确定性，所以一个错误的打分在仪表盘上看起来和一个正确的打分一模一样。图表正确的用法是当作触发器：情感的变化是一个信号，提醒你去读一部分真实的提及内容，看看人们到底在说什么，而不是用它来取代阅读。
什么时候重要
在一大批人工无法全部读完的提及中发现值得深挖的变化时，这一点很重要。而作为独立的真相来源，它就没那么重要了，尤其是在小众社群、反讽语气或行业术语让自动打分失效的场合。
功能
- 自动化情感打分如何在大规模文本上进行分类
- 情感分析工具能可靠捕捉到什么，又会漏掉什么
- 为什么反讽、俚语和行业术语会绊倒打分系统
- 一个情感分数如何在理直气壮的同时是错的
- 为什么情感图表只是一个起点，而不是结论
常见问题
什么是情感分析？
它是对文本——评论、提及、评价——进行自动打分的过程，判断其为正面、负面或中性，通常应用在人工逐条阅读不现实的大批量文本上。
情感分析准确吗？
在直白、字面的语言上相当准确，但在反讽、俚语、笑话和行业特定用语面前会严重失准，有时还会理直气壮地把方向判断反了。
情感分析能理解反讽吗？
通常理解得不好。一条反讽评论往往用正面词汇表达负面意思，而大多数自动化工具打分的是词语本身，而不是背后的意图。
应该单独信任一个情感分数吗？
把它当成需要去调查的提示，而不是最终答案。情感分数出现的下滑或飙升是去阅读真实提及内容的理由，而不是阅读它们的替代品。
情感分析在什么时候最有用？
在人工不可能读完的大量提及中发现突然的变化，提示该往哪里深挖，而不是直接说明发生了什么。
