情感分析算法说明

概述

WeLink 使用基于规则的句子级情感评分，对每条文本消息打 0~1 分，按月聚合后展示情感趋势曲线。

评分的核心思路：先把句子 tokenize 成词元列表，再用滑动窗口否定和局部程度副词加权对情感词定向打分，最后加权平均。

该方法不依赖模型服务，响应快，可完全本地运行，但对复杂语境的准确率有限。

评分流程

1. Tokenize

tokenize(text) → []string

对句子做贪心最长匹配（优先识别多字词），把文本拆成 token 列表：

• 从当前位置起，从最长（6字符）向最短（2字符）尝试匹配已知词（否定词 / 程度副词 / 情感词）
• 匹配成功则取整词作为一个 token
• 无匹配则取单字符

示例："今天不开心" → ["今", "天", "不", "开心"]

2. 滑动窗口否定

遍历 token 列表时，遇到否定词后，对接下来 4 个 token 内的情感词翻转极性。

"今天不开心"
  → tokens: [今, 天, 不, 开心]
  → "不" 触发否定窗口，窗口计数 = 4
  → "开心" 在窗口内 → 翻转为负向
  → 最终得分 < 0.5

"不难过"
  → tokens: [不, 难过]
  → "不" 触发否定，"难过" 被翻转为正向
  → 最终得分 > 0.5

3. 局部程度副词加权

情感词打分时，检查其前一个 token 是否为程度副词。是则乘以对应权重：

程度副词	权重
极其	1.7
非常 / 超级	1.6
特别 / 太 / 超 / 极	1.4~1.5
十分 / 相当 / 格外 / 尤为 / 异常	1.3~1.4
真的 / 好 / 挺 / 蛮 / 很	1.2

程度副词本身不参与情感计分，仅作修饰。

4. 加权平均 → 分数

收集所有有极性的 token（正向 +1，负向 -1），按程度权重做加权平均：

ratio = Σ(polarity × weight) / Σ(weight)   ∈ [-1, 1]
score = 0.5 + ratio × 0.4                  ∈ [0.1, 0.9]

无任何情感词命中 → 返回 (0.5, false)，该消息不计入月度 score，但仍计入 count。

词典

积极词（~50 个）

情感明确的正向词，去除了口语填充词（"好"、"可以"、"行"、"哈哈"等）：

开心 高兴 快乐 幸福 愉快 欢喜 喜悦 欣慰 心情好
喜欢 爱 爱你 宝贝 亲爱 心动
棒 厉害 牛 太棒了 很棒 好棒 优秀 出色 聪明 能干
完美 漂亮 好看 帅 美 可爱 赞 666 6666
感谢 谢谢 感激 感动 暖 暖心 贴心 温柔 体贴
成功 顺利 通过 搞定 完成 达成 实现 进步 提升
期待 惊喜 好期待 太好了 太棒了 好激动 激动 兴奋
满意 舒服 舒适 享受 放松 轻松 愉悦
加油 支持 鼓励 相信 祝贺 恭喜 庆祝 欢迎
有趣 好玩 好笑 开怀
甜 甜蜜 幸运 美好 美妙 好幸福

消极词（~50 个）

难过 伤心 哭 哭了 哭泣 流泪 委屈 心疼 痛苦 心碎 想哭 好难受 难受 难受死了
焦虑 担心 害怕 恐惧 紧张 忐忑 不安 惶恐 慌
愤怒 生气 发火 火大 气死 气死我了 好气 烦死
讨厌 恶心 恨 滚 闭嘴 滚开
失望 沮丧 遗憾 后悔 可惜 无奈 心灰意冷
累 累死了 好累 疲惫 疲倦 精疲力竭
头疼 头痛 胃疼 不舒服 生病 发烧
烦 烦恼 烦透了 烦死了 烦人 无聊 厌烦 厌倦
孤独 寂寞 孤单 好孤独 一个人
崩溃 绝望 心塞 好绝望 撑不住 坚持不下去
失败 失去 分手 离开 完了 糟糕 糟透了
倒霉 运气差 坏运气

否定词（11 个）

不 没 别 莫 勿 未 非 无 没有 从未 从来不

程度副词（18 个）

非常 特别 超级 极其 十分 太 真的 真 好 超
相当 挺 蛮 很 极 格外 尤为 异常

月度聚合

月度统计的 count 字段反映该月全部文本消息数（含中性），使图表消息量更准确：

for each text message:
    if isSys(text) or len < 2: skip

    bucket[month].total++          ← 全部消息都计入 count

    score, valid = scoreSentence(text)
    if not valid:
        totalNeutral++
        continue                   ← 不影响月度 score

    bucket[month].scoreSum += score
    bucket[month].scored++

    if score >= 0.6: totalPos++
    elif score <= 0.4: totalNeg++
    else: totalNeutral++

monthly[month].score = scoreSum / scored   (无情感词的月份默认 0.5)
monthly[month].count = total
overall = totalScoreSum / totalScored

分数解读

分数范围	分类	含义
≥ 0.6	积极	正面情绪
0.4 ~ 0.6	中性	无明显情绪倾向
≤ 0.4	消极	负面情绪
= 0.5，valid=false	无效	未命中情感词，计入 count 但不影响 score

与历史版本（v1）的区别

	v1	v2（当前）
否定检测	只看文本前 6 字节	滑动窗口，作用于后 4 个 token
程度副词	对整句 Contains，与否定词逻辑互相干扰	只检查情感词前一个 token
词典	含"好"、"哈哈"、"可以"等歧义词	去除口语填充词，只保留极性明确的词
月度 count	仅含情感词的消息数	全部文本消息数
分词方式	无，直接 strings.Contains 整句	贪心最长词匹配后逐 token 判断

局限性

1. 短句：2~4 字的短消息通常不命中完整情感词（如"好的"、"嗯"）
2. 反讽：无法识别，如讽刺性的"太棒了"会被算为正向
3. 方言 / 网络新词：词典覆盖有限，持续扩充中
4. 否定窗口固定：4 token 的否定作用域是经验值，对长句可能不够准确（如"我不是很高兴但还好"）

与词云的关系

词云和情感分析共享相同的数据源（local_type=1 文本消息），都支持 include_mine 控制是否包含自己发的消息。

	词云	情感分析
处理单元	全文分词（GSE）	句子级 tokenize + 情感词匹配
输出	词频分布	月度情感趋势分
过滤	停用词 / 标点 / 表情符号	无效句（< 2 字符或无情感词命中）