主题
分维度情感分析
分析不同维度下的情感情况。（也叫细粒度情感分析 / 形象感知分析 / 分主题的情感分析）
它和普通情感分析的差别
普通情感分析给出的是一个整体倾向： 「这批评论偏正面」。
分维度情感分析回答的是更细的问题：
「对价格满意，但对服务不满意」——同一批文本里，不同话题的态度可能完全相反。
分析流程是：先划分维度 → 再对每个维度做情感分析 → 交叉分析。
适用场景
适合：
- 品牌形象、城市形象、政策形象研究（形象感知分析）。
- 想知道「好评集中在哪些方面、差评集中在哪些方面」。
- 需要做维度 × 情感的交叉表格或雷达图。
不适合：
操作步骤
| 步骤 | 要做什么 | 产出 |
|---|---|---|
| 1. 数据上传 | 上传语料 | 语料 |
| 2. 词表设置 | 确认停用词、自定义词、同义词 | 词表配置 |
| 3. 维度划分 | 三选一（见下） | 文本的维度归属 |
| 4. 情感分析 | 对全文做情感判定 | 文本级情感结果 |
| 5. 情感词分析 | 统计情感类别下的高频词 | 情感词表 + 词云 |
| 6. 维度 × 情感交叉统计 | 生成交叉结果 | 交叉表 + 柱状图 + 雷达图 + 词云 |
第 3 步的三种方式互斥，只能选一个
因为三条路径都会产出「文本 → 维度」的映射，同时跑两份会互相冲突。 选哪一个取决于你有没有预设的维度框架：
| 方式 | 什么时候用 |
|---|---|
| BERTopic 主题 | 没有预设维度，让数据自己说话 |
| LDA 主题 | 同上，但文本较长 |
| 维度主题分析 | 已有明确的维度关键词（如研究框架里的 5 个维度），直接用关键词匹配划分 |
第 4、5 步与维度划分是独立的：可以先把情感基线跑出来，再决定维度怎么划。
结果说明
| 结果 | 说明 |
|---|---|
| 维度提取结果 | 每条文本归属哪个维度 |
| 情感结果 | 文本级情感类别与得分 |
| 维度-情感交叉表 | 每个维度下正/负/中的分布 |
| 交叉可视化 | 柱状图 + 雷达图 + 分维度词云 |
雷达图在这里特别有用：把每个维度的情感得分画成一条轴，一眼能看出 哪些维度是短板，适合直接放进汇报或论文。
计费方式
本流程的每个计算动作都是按次固定积分（不随文本量变化）：
| 步骤 | 计费 |
|---|---|
| 上传、词表设置 | 免费 |
| 维度划分（BERTopic 训练 / LDA 训练 / 维度主题分析） | 各按次固定积分，只执行你选中的那一种 |
| 情感分析、情感词分析 | 按次固定积分 |
| 维度 × 情感交叉统计 | 按次固定积分 |
具体积分以产品内价目表为准。
相关流程
- 情感分析 —— 不分维度的整体情感
- BERTopic 主题 / LDA 主题 —— 作为维度划分的方法
- 主题分析总览 —— 三种维度划分方式的选择