粘贴一段商品评价、客服对话或问卷反馈，页面用情感词典 + 程度副词 + 否定翻转 + 转折权重逐句打分，标出命中的词与贡献方向，整篇给均分和置信度。原文只在浏览器内处理，不上传。
分析后这里会按句列出得分、倾向与命中词。
| # | 文本 | 得分 | 倾向 | 命中词 | 置信度 |
|---|---|---|---|---|---|
| 批量结果会显示在这里 | |||||
AI 按钮只发送上面的统计摘要与倾向分布，不发送原文；点击后会先弹出人机验证。
| 方法口径 | 基于本地情感词典的规则打分：情感词基础分 × 程度副词 × 否定翻转，再叠加转折与标点权重。 |
|---|---|
| 得分范围 | 单句得分归一到 −1 ~ +1，正值偏褒义、负值偏贬义、接近 0 视为中性；整篇为各句加权平均。 |
| 否定窗口 | 否定词只作用于其后 3 个词以内的情感词，「不很好」与「很不好」会分别处理，不做跨句翻转。 |
| 转折权重 | 「但是 / 不过 / 然而」之后的句子权重更高，符合评论里先扬后抑或先抑后扬的常见结构。 |
| 置信度 | 由命中词数量与得分绝对值共同给出，只是规则法的把握程度，不是模型概率。 |
| 适用边界 | 反讽、行业黑话、双重否定与极短文本容易误判；页面标出命中词供人工复核，不替你下结论。 |
一堆商品评论、客服对话、问卷开放题，靠肉眼翻太慢。文本情感分析用可解释的本地词典法逐句打分，标出命中的情感词、否定与程度副词，给出褒贬倾向、整篇得分与批量对照表，全程不上传原文。
行业词（如「卡顿」「跑分」「虚标」）建议先加进自定义词典并试几个例句，再跑批量，准确率提升最明显。
主分析不是。页面用本地词典规则打分，优点是快、可解释、原文不出浏览器；AI 按钮是额外的汇总解读，只在你主动点击时才会把脱敏后的统计摘要发给本站 AI 接口，且会先弹人机验证。
单句得分在 −1 到 +1 之间，越接近 +1 越偏正面，越接近 −1 越偏负面，绝对值很小判为中性。整篇得分是各句按长度和转折权重加权后的平均，不能当作好评率或百分比。
否定词会翻转其后窗口内的情感词，但窗口长度、词性与断句都会影响结果。页面把命中词与翻转标记列出来，遇到漏判可以把「不太满意」整体加进自定义词典并指定负向分值，重算即可。
不准，这是词典法的固有短板。反讽、行业黑话、跨句否定、极短文本都会被标为低置信度，页面会提示人工复核。涉及舆情结论或对外报告时，请把工具结果当作初筛而不是最终判定。
一行一条，最多 80 行、单行最多 500 字；超出部分会截断并提示。结果表按输入顺序给出每条的得分、倾向、命中词数与置信度，可一次导出 CSV。
保存在当前浏览器 localStorage，不上传。词与分值可用「导出词典」存成 CSV，换设备时导入即可复用；清除站点数据会丢失。
现在只有你自己能看到这条留言（已标上「待审核」），管理员审核通过后才会展示给所有人～
还没有留言，来抢沙发吧！