情緒分析 (Sentiment analysis)

依情緒分類文字（正面、負面、中性，或更細的情緒標籤）的任務，廣泛用於評論、社群監測、市場研究。

Sentiment analysis（情緒分析）是依情緒語氣分類文字的任務。最簡單版本是三類（正面、負面、中性）；更細的版本偵測具體情緒（喜悅、憤怒、恐懼、悲傷、驚訝）或 aspect-level sentiment（「電池好但螢幕爛」——電池正面、螢幕負面）。它重要的原因是：公司大規模使用情緒分析：監測跨社群媒體的品牌聲譽、給客戶評論評分、客服 ticket 優先級、衡量政治意見、從新聞追蹤金融市場情緒。Brandwatch、Hootsuite Insights、Sprinklr 等工具的 dashboard 底層基本都是情緒分類器。舉個例子：電商網站有 10 萬則評論。跑情緒分析標記最近「shipping delay」負評激增，轉給營運處理，並給高管 dashboard 浮上代表性引述。同樣資料按 aspect 切，辨認顧客喜歡跟抱怨哪些功能。 LLM 處理情緒分析輕鬆，零或 few-shot prompting 即可，特別在 ambiguity、諷刺、跨語言輸入上勝過舊的專用分類器。舊的專用模型（BERT-based fine-tune）在極高量上仍便宜，但越來越多被 LLM API 呼叫或蒸餾小模型取代。延伸閱讀：text classification、NER、prompting、evaluation。