DeepSeek模型可通过分段处理与七维情感评分实现长文本细粒度情感分析：先按语义边界切分为逻辑段落，再依愉悦度、悲伤度、愤怒度、恐惧度、信任度、厌恶度、期待度（-3至+3）逐段打分，最后生成段落×维度的情感评分矩阵。
☞☞☞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☜☜☜
如果需要对长文本进行细粒度情感分析，DeepSeek模型可通过分段处理与多维度评分相结合的方式实现。以下是具体操作流程：
一、准备长文本并划分语义段落
为避免超出模型上下文长度限制并提升情感识别精度，需将原始长文本按自然语义边界（如句号、段落、话题转换点）切分为若干逻辑连贯的子段落。每个子段落应聚焦单一事件、观点或情绪表达，确保情感指向明确。
1、通读全文，识别明显的话题分隔符（如“此外”“然而”“另一方面”等转折词前后）。
2、以完整句子为最小单位，合并语义紧密的相邻句，避免在复合句中间强行截断。
3、将切分后的各段依次编号并保存为独立文本块，例如“段落1：……”“段落2：……”。
二、定义情感维度列表
采用预设的七维情感框架，覆盖人类情感表达的核心类型。每个维度为连续数值量表（-3至+3），负值表示该情感倾向显著，正值表示正向强度高，0表示中性或未体现。
1、愉悦度（Joy）：反映快乐、满足、兴奋等积极情绪强度。
2、悲伤度（Sadness）：衡量失落、哀伤、沮丧等低能量负面情绪程度。
3、愤怒度（Anger）：标识敌意、不满、暴躁等高唤醒负面情绪水平。
4、恐惧度（Fear）：捕捉焦虑、担忧、不安等威胁感知相关情绪强度。
5、信任度（Trust）：体现对人、事、机制的可靠性与接纳感。
6、厌恶度（Disgust）：指示反感、轻蔑、排斥等生理或道德层面的抵触情绪。
7、期待度（Anticipation）：表达对未来事件的关注、准备或希望倾向。
三、调用DeepSeek模型逐段执行多维打分
将每个语义段落作为独立输入，提示模型依据上述七维定义输出结构化评分。需强制要求模型仅返回数值，不添加解释或额外文本，便于后续程序化汇总。
1、构造标准提示模板：“请严格按以下格式对下方文本进行七维情感打分（每维取值范围-3到+3，保留一位小数）：愉悦度：X.X；悲伤度：X.X；愤怒度：X.X；恐惧度：X.X；信任度：X.X；厌恶度：X.X；期待度：X.X。文本：[此处插入当前段落]”。
2、依次将段落1至段落N代入模板，向DeepSeek API或本地部署模型发起请求。
3、接收响应后，提取每行中的冒号后数值，校验是否全部为合法浮点数且在[-3.0, +3.0]区间内。
四、生成分段情感评分矩阵
将每段输出结果整理为二维表格结构，行代表段落编号，列对应七种情感维度，单元格填入对应数值。该矩阵支持横向对比各段情感分布差异，亦可纵向聚合计算全局均值或趋势变化。
1、新建表格变量，首行为标题行：“段落编号｜愉悦度｜悲伤度｜愤怒度｜恐惧度｜信任度｜厌恶度｜期待度”。
2、对每一段的模型输出，解析出七个数值，按顺序填入对应列，段落编号从1开始递增。
3、确认所有段落均完成解析，无缺失值或格式错误项，形成完整矩阵数据集。
