---
title: "方面級情感分析（Aspect-based Sentiment Analysis）"
slug: aspect-based-sentiment-analysis
language: zh-TW
source: https://aiterms.tw/terms/aspect-based-sentiment-analysis
updated_at: 2026-07-30
tags: [情感分析, 自然語言處理, 細粒度任務, 意見挖掘, 神經網路]
ipas_term: false
---

# 方面級情感分析（Aspect-based Sentiment Analysis）

分析文本對特定方面或話題的情感態度，而非整體情感，如評論中對產品外觀、性能的分別評價。

## 完整說明

方面級情感分析（ABSA，Aspect-based Sentiment Analysis）是情感分析的細粒度版本，不僅評估整個文本的情感極性，而是識別並評估文本中對不同方面或屬性的情感。例如，餐廳評論「食物很讚，但服務態度差」中，「食物」方面是正面情感，「服務態度」方面是負面情感。ABSA 廣泛應用於產品評論分析、品牌口碑監測、用戶反饋聚合等場景。

## 常見問題

### ABSA 和普通情感分類有什麼區別？為什麼需要 ABSA？

普通情感分類判斷整個評論的正負，例如「電池好，但性能差」→ 不好判斷（既有正也有負）。ABSA 則分別評估每個方面：電池 → 正、性能 → 負，輸出結構化的《方面，情感》對。ABSA 的價值在於：第一，反映現實：用戶的意見往往是多方面的，簡單的正/負難以捕捉；第二，可操作：企業知道具體哪個方面有問題，能針對性改進；第三，精細：支持後續的方面級推薦、缺陷報告等應用。

### 「我的手機很快」中，方面和情感詞是什麼？

表面上「手機」是名詞（可能的方面），「很快」是正面評價（情感詞）。但實際理解中，「方面」是隱含的：「快」通常指「性能」或「反應速度」，而非「手機本身」。所以正確的 ABSA 標注應該是《方面：性能/反應速度（隱含），情感：很快（正面）》。隱含方面的識別是 ABSA 的難點，需要語義推斷。若系統只提取「手機」作為方面，就是錯誤的，因為「快」不是評價「手機這個產品」，而是評價其「性能」方面。

### ABSA 中「否定詞」如何處理？

否定詞（不、沒、無）會反轉情感極性，例如「不錯」本來是正面，但「不不錯」變成負面。處理方式包括：第一，特徵工程層面，在詞向量中顯式添加否定標記（如「not_好」作為一個獨特詞）。第二，模型層面，RNN/LSTM 通過序列建模自動學習否定詞的影響。第三，圖模型層面，在依存樹中識別「neg」關係（否定依存），確保模型關注否定邊。Transformer 模型（BERT）因為有充分的上下文，往往能自動捕捉否定，但在複雜否定（多層嵌套）仍會失敗。現在最好的做法是在 BERT 基礎上加入顯式的否定感知機制（如特殊 token 標記否定範圍）。

---

來源：https://aiterms.tw/terms/aspect-based-sentiment-analysis
快查頁：https://aiterms.tw/terms/aspect-based-sentiment-analysis
最後更新：2026/07/30
深度解說：https://aiterms.tw/learning/what-is-aspect-based-sentiment-analysis