用 Microsoft.Azure.CognitiveServices.Language.TextAnalytics
做基础情感分析最省事
直接调用 Azure 文本分析 API 是 C# 里最快落地情感打分的方式，不用自己训模型、不碰 NLP 底层。它返回一个 0–1 的
Score，越接近 1 表示文本越积极，接近 0 则倾向负面，0.5 左右是中性。
实操建议：
注册 Azure 订阅后创建Text Analytics资源，拿到
Endpoint和
ApiKey安装 NuGet 包：
Microsoft.Azure.CognitiveServices.Language.TextAnalytics（v5.x 对应 .NET Core 3.1+） 一次最多传 10 条文本（
BatchSize限制），单条长度别超 5120 字符，否则会报
InvalidDocumentBatch语言参数
language="zh"必须显式指定中文，否则默认按 en 处理，中文短句容易误判为中性
var client = new TextAnalyticsClient(new ApiKeyServiceClientCredentials("your-key"))
{
Endpoint = "https://your-region.api.cognitive.microsoft.com/"
};
var result = await client.SentimentAsync(new SentimentBatchInput
{
Documents = new List<SentimentInput>
{
new SentimentInput("id1", "这个产品太差劲了，完全不推荐", "zh")
}
});
// result.Documents[0].Score ≈ 0.12（负面）
本地跑不了 TextAnalytics
？试试 ML.NET
的预训练情感分类器
如果不能走云服务（比如内网环境、数据不出域），
ML.NET提供了一个轻量级的二分类模型（正面/负面），基于 ONNX 格式，支持离线加载和推理。
注意点：
它只分「正面」或「负面」，不输出连续分数；没有中性类别，哪怕输入“今天天气还行”，也会强行归到一边 训练数据以英文为主，对中文效果一般——短评、网络用语、带 emoji 的文本准确率明显下降 模型文件得手动下载：sentiment-analysis-mlnet-model.onnx，路径要写对，否则加载时报
FileNotFoundException输入文本需做简单清洗：去掉多余空格、换行，但别做分词——模型内部已适配原始字符串输入
Score
值不是百分比，别拿它当准确率看
API 返回的
Score是模型对“该文本属于正面类别”的置信度估计，不是情感强度的物理量。0.8 不代表“80% 开心”，只是模型觉得它比 0.6 更像正面表达。
常见误解场景：
同一句话反复请求，Score可能有 ±0.03 浮动（服务端负载、模型版本微调都会影响） 否定句如“不是不好”容易被误判为负面（
Score ≈ 0.3），实际是委婉肯定 含多个情绪的长文本（如“功能强大，但客服态度差”）会被整体打分，无法定位到具体子句的情绪归属
自定义规则 + 关键词匹配仍是补漏刚需
纯模型在业务场景下常漏判。比如客服工单里“已解决”“已闭环”大概率是正向，但模型可能因上下文缺失打低分；又比如“卡死了”“闪退”这类强信号词，模型未必识别出严重程度。
建议加一层兜底逻辑：
用Contains或正则快速扫描高频情绪词：
"崩溃|闪退|垃圾"→ 强制设
Score = 0.1设置白名单触发机制：出现“满意”“感谢”“靠谱”等词，且无否定前缀（如“不太满意”），直接提权至
Score > 0.9别全量重写模型逻辑，就针对你真实日志里反复出错的那几十个 case 加 if 判断，效果比调参明显
模型给的是基准线，真正管用的永远是你自己业务里反复踩出来的那几条 if 分支
