文本的情感分析（sentiment analysis），分析目的在於瞭解作者在特定文本中的情感態度，這些態度反映了作者在撰寫該文本時的個人情感，或是意圖經由該文本向讀者所傳達的情感。自動化的文本情感分析，是指結合自然語言處理（Natural Language Processing）、文本探勘（Text Mining)，以及程式語言等領域的技術方法，來提取文本中的主觀情感資訊。平台所提供的自動化情感分析模型由DiVoMiner®團隊獨家研發，可自動辨別和分析文本中表達的情感或態度傾向（標記為正面、負面或中立），該項技術正在申請專利。

基於團隊對演算模型的不斷升級和豐富的詞彙庫支持，經測試，特定類別語料情感分析Accuracy（準確性或準確率）達到0.7~0.9（業界接受範圍內）。測試結果如下，建議使用者根據實際研究情況確定模型適用性。

提示：以上測試結果均基於內部資料測試集，而“準度”是建立在特定的測試集基礎上，可通過通用評價指標（如：Accuracy、F1-score、Precision、Recall）給出的量化值進行判斷。受測試集的限制，“準度”範圍會產生波動，目前並無嚴格的業界標準。

指標說明： 

1. Accuracy（準確率）：預測正確的樣本數占總樣本數的比例。【1】
2. F1-score（F1值）：Precision和Recall的調和平均值。【1】
3. Precision（精確率）：預測正確的資料占預測資料的比例。【1】
4. Recall（召回率）：預測正確的資料占實際資料。【2】

參考文獻： 

【1】Powers, David M W (2011). “Evaluation: From Precision, Recall and F-easure to ROC, Informedness, Markedness & Correlation” (PDF). Journal of Machine Learning Technologies. 2 (1): 37–63.