名词解释 / 07
情感分析
英文名称：Sentiment Analysis 常见别名：意见挖掘（Opinion Mining）、情绪分析、好评差评识别 所属分类：进一步了解 AI 原理
一句话解释
情感分析是让计算机判断一段文字表露出什么态度和情绪的技术，属于自然语言处理（让机器理解语言文字的技术）的基础任务之一。它通常先把整段话归为正面、负面或中性，也可以再细分出失望、着急、不满等具体情绪，还能拆开看同一句话里哪些内容被认可、哪些被抱怨。
工作中什么时候会遇到
最常出现在要成批处理“别人怎么评价我们”的场景：客服聊天记录和工单、售后反馈、产品评价、客户调研里的开放题，以及网络上的公开讨论。量少时人工读一遍就行，一旦每周累积几百上千条，就需要先靠工具自动归类、标出情绪倾向，再交给人处理。写客服周报、复盘客户流失、评估新品口碑或供应商表现时，你很可能已经在间接使用它。
办公 AI、客服、调研和舆情类产品里，这类能力常被包装成“反馈分析”“评论分析”“舆情看板”等功能，不一定直接叫“情感分析”。具体哪些产品内置、能做到什么程度，以当前版本和官方说明为准。
能解决什么问题
- 把成批文字反馈自动归为正面、负面、中性，不用逐条通读，直接看各类占比和变化。
- 按对象拆分判断：同一句“质量不错但交期太长”，能分别标出对质量认可、对交期不满，而不是笼统打一个总分。
- 把负面强度高、带紧急情绪（愤怒、强烈不满）的内容排到前面，帮客服先处理最可能升级成投诉的个案。
- 对同一个指标（产品质量口碑、售后满意度、供应商表现）做长期对比，让改进有没有效果有数据可说。
- 把散在文字里的抱怨原因（价格、交期、配件等待、服务态度等）自动归成清单，方便对应部门认领。
举个例子
某公司售后团队每周要处理几百条客户留言，接入了带情感分析的工单工具。客户写：“机器用起来还行，但报修后等配件快两周，真的很着急。”
- 输入：留言原文，不用整理成固定格式。
- 处理：系统判断整段偏负面，并按对象拆分——“机器使用”算正面，“配件等待时间”算负面，情绪标签记为“着急”。
- 输出：这条工单进入负面队列并按强度排到前面，列表里直接显示拆分结果和情绪标签。
人工确认点：工具只能判断文字表露的态度，判断不了这位客户是否会因此退货或去投诉。客服仍要打开原文决定是否电话回访、要不要升级处理，工具负责的是让人不漏看、方便排序和统计。
怎么使用
普通员工不需要写代码，也不用懂模型原理。多数入口是把文字粘贴进对话框或上传表格，让 AI 直接分好坏；也可以在工作台里建好一个 AI 智能体，按你写好的标准给一批反馈批量打标，再人工抽查结果。
偏技术的那部分——选哪个模型、负面到什么程度算“需要优先处理”、怎么针对本公司的产品叫法和行业说法校准——通常由供应商、IT 部门或数据分析同事配置。业务人员要做的，是把判断标准讲清楚，比如“配件等待超过 7 天且提到着急，就算高优先级”。功能边界以当前版本和官方说明为准。
使用时要注意什么
情感分析判断的是“文字表达出来的态度”，不是客户真实的心情或下一步行动，不能拿它替代对具体案例的判断。反话、讽刺、行业黑话容易误判，口语和错别字多的文本准确率更低，一句“还行”也未必是真满意。所以它适合在大批量场景里看趋势、做初筛和排序，不适合拿单条结果给某个客户下结论，更不适合直接用来考核员工。要保留原文可查，让每一条结论都能回看依据。
容易混淆的词
- 情绪识别：粒度更细、也更有难度的任务，要区分愤怒、焦虑、惊喜等具体情绪，常被看作情感分析的进阶方向。前者回答“好不好”，后者回答“什么感受”。
- 舆情监测：一个业务应用，监测公开网络讨论并产出报告，内部常借助情感分析判断舆论好坏，但舆情监测本身不等于这项技术。
- 文本分类：更宽泛的任务家族，情感分析只是其中按“情绪倾向”分类的一种。把邮件分成报价、投诉、催款也是文本分类，但不是情感分析。
- 情感陪伴与共情：指机器模拟理解并回应人的感受，重点在对话和陪伴表现；情感分析只做判断、不负责回应，两者目标不同。