什么是情感分析？有哪些应用？

情感分析（Sentiment Analysis）自动判断文本主观态度（正/负/中性或更细粒度），广泛用于商品评论挖掘、品牌舆情监控、金融市场情绪指标与客服质检。

一、先给出结论和背景

• 定义：情感分析是从非结构化文本中识别作者对实体、产品或事件的态度、情绪或意见极性。
• 粒度层级：- 文档级：整条评论整体正负面
• 句子/片段级：长文中逐句标注
• 方面级 ABSA：「电池续航差但屏幕好」→ 分别评价各属性

二、拆开关键步骤和判断点

• 方法谱系：- 词典 + 规则（快速冷启动）
• 传统 ML：TF-IDF + SVM/朴素贝叶斯
• 深度学习：BiLSTM、 BERT 微调
• 大模型：零样本/少样本提示，需注意成本与一致性
• 典型应用：1. 电商评论洞察与竞品分析

2. 社交媒体品牌舆情与危机预警
3. 金融新闻情绪指数（辅助量化策略）
4. 客服对话质检与坐席考核
5. 政治/医疗等敏感领域的舆论监测

三、补上落地边界和取舍

• 挑战：讽刺反讽、emoji、多语言混合、领域词（「杀疯了」= 好评）。评估常用 Accuracy、F1、宏平均 F1。详见 NLP 应用。

延伸阅读：NLP 应用场景。术语：BERT、F1 Score。更多案例见 AI 资讯。