需调用腾讯元宝内置NLP模型进行细粒度情感分类，步骤包括：一、设定语境与数据源并拉取小红书、知乎等平台语料；二、启动双路情感分类引擎输出极性、强度及动机标签；三、导出带置信度的日级情绪趋势图；四、通过反事实推理模块交叉验证异常信号。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您希望借助腾讯元宝识别用户在社交平台、评论区或私聊中表达的情绪倾向，则需调用其内置的自然语言处理模型完成细粒度情感分类。以下是执行该任务的具体步骤：
一、设定目标语境与数据源范围
明确分析对象所处的交流场景及内容载体，有助于元宝准确加载对应语义理解模块，并规避跨平台语境误判。系统将依据输入指令自动匹配小红书、知乎、B站、微信公众号评论等渠道的语言风格特征。
1、打开腾讯元宝网页版（https://yuanbao.tencent.com/）或微信内已添加的“腾讯元宝”好友对话窗口。
2、输入指令：“针对‘职场焦虑’相关讨论，抓取最近7天小红书和知乎平台的公开笔记标题与首段正文”。
3、确认提交后等待后台完成数据拉取，界面显示“语料加载完成”提示即进入分析准备阶段。
二、启动多维度情感分类引擎
腾讯元宝采用融合词典规则与微调BERT模型的双路判别机制，可同步输出情绪极性（正面/中性/负面）、强度等级（弱/中/强）及隐含动机标签（如诉求型、宣泄型、试探型）。
1、在上一步结果页点击“启动情感分析”按钮，或直接追加发送指令：“执行三级情感标注，输出每条文本的情绪值、强度分和主导动机类型”。
2、系统开始逐条解析，过程中会高亮标出触发判定的关键短语，例如“根本干不下去了”被识别为强负面+宣泄型。
3、分析完成后生成结构化表格，包含原文片段、情绪极性、强度得分、动机归类四列字段。
三、导出带置信度的情感趋势曲线
为避免单次抽样偏差，元宝会对时间序列数据进行滑动窗口聚合，生成具备统计显著性的日级情绪波动图，每条曲线节点均附带模型置信度数值。
1、在分析结果页选择“生成趋势图”，并设定时间粒度为“按日”。
2、系统自动生成折线图，其中负面情绪连续三天上升且置信度＞92%的区间将被红色虚线框自动标注。
3、点击“导出SVG”按钮，保存图像用于汇报或嵌入报告文档。
四、交叉验证异常情绪信号
当检测到某类情绪突增但缺乏典型关键词支撑时，元宝将启用反事实推理模块，回溯原始语料中是否存在隐喻、反讽或方言表达等非显性情绪载体。
1、定位趋势图中异常峰值对应日期，点击该节点展开原始语料列表。
2、对其中一条标记为“中性但置信度仅68%”的文本，追加指令：“请以粤语网络语境重解析该句，重点识别‘顶唔顺’‘甩咗’等变体表达的情绪指向”。
3、系统返回修正后判断：“原判中性→更新为强负面，动因归类为现实挫败感”，并在旁注说明该判断基于广府话区用户情绪表达语料库校准。
