跳到主要内容

情感分析

问题​

情感分析有哪些粒度？如何实现？

答案​

一、情感分析粒度​

粒度分析对象示例
文档级整篇文档的情感电影评论：正面/负面
句子级单句情感"画面很好，但剧情太差" → 两种情感
方面级（ABSA）特定方面的情感"价格便宜[正面]，但质量很差[负面]"

二、方法对比​

方法适用场景准确率
词典/规则简单正负判断低~中
ML（SVM/NB）通用二分类中
BERT 微调高精度需求高
LLM Prompt快速部署/复杂分析中~高

三、LLM 做情感分析​

LLM 可以直接进行细粒度情感分析：

System: 分析用户评论的情感。对每个提到的方面分别评价。
返回 JSON: [{aspect, sentiment, reason}]

User: "这家餐厅环境很好，服务态度也不错，就是价格太贵了"
Assistant: [
  {"aspect": "环境", "sentiment": "正面", "reason": "环境很好"},
  {"aspect": "服务", "sentiment": "正面", "reason": "服务态度不错"},
  {"aspect": "价格", "sentiment": "负面", "reason": "价格太贵"}
]

常见面试问题​

Q1: 情感分析中如何处理否定和讽刺？​

答案：

  • 否定：规则方法需要处理否定词上下文（"不好"→负面）；深度学习模型自动学习
  • 讽刺：最难处理的情况，如"服务真是太'好'了"。需要上下文理解
  • LLM 在处理讽刺和隐含情感方面明显优于传统方法

Q2: 情感分析在实际业务中的应用？​

答案：

  • 舆情监控：监测品牌在社交媒体上的评价
  • 电商评价分析：自动分析产品各方面的好评差评
  • 客服质量：分析客户来电/工单的情绪
  • 竞品分析：对比自身和竞品的用户评价

相关链接​