📚 深度解析：輿情情感傾向的詞典法分析
💡 常見使用場景
- 把一批帖子、評論或短新聞貼上進來，用內建詞表統計正、負向詞命中次數，先得到整體極性指數。
- 危機處置中按時間視窗分別貼上文本，對比兩次的極性指數與負向詞構成，判斷輿情是在緩和還是惡化。
- 批次稿件初篩時只看負向詞列表：高密度負面且集中在「退款、延誤、敷衍」等詞的樣本優先人工複核。
正面稿件的讀數
一段 36 字的體驗短評「體驗很好，效能穩定，價格也很實惠，客服態度專業，物流速度快，值得推薦」，命中正向詞 6 次、負向詞 0 次，極性指數 =（6 − 0）÷（6 + 0） = 100.00%，情感詞密度 16.67%，判為正面傾向。
投訴帖裡的負向詞構成
一段 45 字投訴「卡頓和失靈，客服態度敷衍，物流延誤兩天，退款也拖沓，體驗很差，完全不值」，命中負向詞 8 次且分佈在不同環節（質量、服務、物流、售後、價效比），極性指數 −100.00%。這種多維度同時負面的樣本比單點吐槽更應優先處置。
為什麼不能只看極性指數
兩段文本極性指數都接近 0，但一段是正負各命中 5 次（爭議性內容，兩方對立），另一段是一次也沒命中（中性陳述，無情緒）。因此要同時看情感詞密度，密度很接近 0 時說明結論不可靠，應人工判讀或改用更完整的模型。
❓ 常見問題（FAQ）
- 這種方法能替代專業情感分析模型嗎？
- 不能。詞典法不做分詞與句法分析，無法處理否定（如「不好」）、反諷與上下文語義，也識別不出詞典外的網路新詞。它的價值在於零依賴、可離線、秒級出結果，適合大批次樣本的粗篩與人工複核前的排序，最終定論仍應結合上下文。
- 極性指數為 0 代表中性嗎？
- 不一定。它只能說明正、負向詞命中次數相等。若兩者都很大屬於爭議性內容，若都為 0 則表示沒有匹配到任何情感詞、結論不可信。這時要連同「情感詞密度」一起判讀，密度過低時建議人工複核。
- 詞典裡沒有的領域詞怎麼辦？
- 本工具使用固定詞表，不支援自定義。行業特有表達（如保險條款裡的「拒賠」）若不在表內會被漏掉。遇到這種情況可先把結果作為參考，再按你的業務詞表人工複檢，或選用支援自定義詞典的專業工具。
- 英文內容能用嗎？
- 總詞量會把中文字元數與英文單詞數相加，但內建詞表只覆蓋中文，英文裡的情感詞不會被計入。純英文或中英混排且情緒主要由英文表達的文本，結果會明顯偏低，建議先翻譯為中文再統計。