情绪分析 (Sentiment analysis)

依情绪分类文字（正面、负面、中性，或更细的情绪标签）的任务，广泛用于评论、社交监测、市场研究。

Sentiment analysis（情绪分析）是依情绪语气分类文字的任务。最简单版本是三类（正面、负面、中性）；更细的版本检测具体情绪（喜悦、愤怒、恐惧、悲伤、惊讶）或 aspect-level sentiment（「电池好但屏幕烂」——电池正面、屏幕负面）。它重要的原因是：公司大规模使用情绪分析：监测跨社交媒体的品牌声誉、给客户评论评分、客服 ticket 优先级、衡量政治意见、从新闻追踪金融市场情绪。Brandwatch、Hootsuite Insights、Sprinklr 等工具的 dashboard 底层基本都是情绪分类器。举个例子：电商网站有 10 万条评论。跑情绪分析标记最近「shipping delay」负评激增，转给运营处理，并给高管 dashboard 浮上代表性引述。同样数据按 aspect 切，识别顾客喜欢跟抱怨哪些功能。 LLM 处理情绪分析轻松，零或 few-shot prompting 即可，特别在 ambiguity、讽刺、跨语言输入上胜过旧的专用分类器。旧的专用模型（BERT-based fine-tune）在极高量上仍便宜，但越来越多被 LLM API 调用或蒸馏小模型取代。延伸阅读：text classification、NER、prompting、evaluation。