昨天做了摘要，今天來試另一個常見任務——情感分析(Sentiment Analysis)。這個功能能幫我們判斷一句話的情緒傾向，因為我是醫資系的學生，所以我在想這些應用時，也會自然地往醫療場景去連結。
在醫療領域，情感分析有很多實際應用，例如自動分析病患回饋來了解醫療服務品質，或是從病友社群的留言中偵測焦慮與負面情緒，協助醫療人員更快做出反應。

實際操作
使用sentiment-analysis pipeline在Colab輸入程式碼

from transformers import pipeline

classifier = pipeline("sentiment-analysis")

# 範例一：病患回饋（正面）
result = classifier("The nurses were very kind and explained everything clearly.I felt well cared for.")
print("病患回饋結果：", result)

得出的結果為

因為輸入的是一句讚美的句子，所以模型判斷為正面(POSITIVE)。如果換成：

classifier("I've been waiting for hours and still haven't seen the doctor. This makes me very anxious.")

那麼結果便會變成

這次實驗讓我看到，AI確實能幫忙判斷文字情緒，不論是正向的病患回饋，還是帶有焦慮與負面的留言，都能快速給出結果。雖然模型的判斷還不一定完美，但這樣的功能已經能在醫療服務品質追蹤或病友社群觀察上發揮作用。