資料標註（Data Annotation）在情感分析中的重要性

在進行情感分析模型訓練之前，資料標註（Data Annotation） 是一個非常關鍵的步驟。透過標註，模型才能夠理解資料所對應的情緒與主題，進而學習如何進行自動化分類。

在本次專案中，我們進行了兩種標註：

• 情緒分類標註
• 主題分類標註

1. 情緒分類標註

情緒分類標註的目標是判斷使用者在評論中所表達的情感傾向。這類分類通常較直觀，比較容易判斷，例如：

• 正面：表達滿意、推薦、稱讚等情緒
• 負面：抱怨、批評、失望等情緒
• 中性：沒有明顯正負傾向，例如描述事實或單純提出問題

2. 主題分類標註

除了情緒之外，如果只知道「顧客是滿意或不滿意」往往不夠，因為我們還需要理解「他們滿意或不滿意的原因」。這就涉及到主題分類標註。

在主題分類中，可以根據不同產業特性來設計標註的分類架構。以 電商產業 為例，消費者的購買行為大致可以拆解為以下幾個面向：

1. 帳號與認證

   • 註冊、登入、帳號安全等相關問題

2. 商品搜尋與瀏覽

   • 搜尋體驗、篩選功能、分類瀏覽

3. 商品資訊與庫存

   • 商品描述、價格、規格、評價、庫存狀態

4. 購物車與結帳

   • 加入購物車、付款流程、訂單生成

5. 售後服務與會員權益

   • 訂單追蹤、客服服務、退換貨流程、會員優惠

6. 其他/特殊問題

   • 系統異常、模糊情境或跨領域問題

透過這樣的主題分類，模型不僅能判斷評論是「正面或負面」，還能辨識顧客所反映的問題屬於哪個流程環節。

範例

• 「APP 一直登入失敗」
  → 主題：帳號與認證
  → 情緒：負面

• 「商品圖片很清楚，價格也合理」
  → 主題：商品資訊與庫存
  → 情緒：正面

• 「配送速度很快，但包裝有破損」
  → 主題：售後服務與會員權益
  → 情緒：中性偏負面

結語

資料標註的設計會直接影響到模型的輸出價值。透過「情緒分類」與「主題分類」的結合，我們不僅能分析 「顧客開心或不開心」，還能回答 「顧客為什麼會開心或不開心」，進而把資料真正轉化為對業務決策有幫助的洞察。