以 Twitter Text 展示 Sentiment Score、正負向 Tweets 與 Context 問題。
理解 Sentiment Analysis 的用途及其在 Irony、Sarcasm、Lying、Abbreviated Social Interaction 上的限制。
原書以 @RealDonaldTrump Twitter Text 進行情緒分析，Figure 12.2 為 Sentiment Scores Histogram，Tables 12.1–12.2 列出負向與正向 Sentiment Tweets。
| 項目 | 原書內容 |
|---|---|
| 資料 | 2016-05-25 Twitter Data |
| 帳號情境 | @RealDonaldTrump Twitter Text |
| Figure 12.2 | Sentiment Scores Histogram |
| Table 12.1 | Top 10 Negative Sentiment Tweets |
| Table 12.2 | Top 10 Positive Sentiment Tweets |
Text Pre-processing → Sentiment Scoring → Distribution Inspection → Extreme Positive／Negative Text Review → Context Check。
原書表格包含 Sentiment Scores；本頁不重製 Tweet 全文，也不新增原書未提供的統計結果。
基本 Sentiment Analysis 可提供 Issues／Opportunities 的 Early Warning，但原書強調 Context 與語言 Nuance 會影響判讀。
「檢查下列 Sentiment Analysis 結果，指出哪些判讀可能受到 Context、Sarcasm、Irony 或縮寫影響；不得自行改寫原始分數。」
問題：為什麼 Context 重要？
**參考解答：**同一詞語在不同情境可能表達不同情緒；只靠詞典式正負分數容易誤判諷刺、反語與特殊語境。
問題：如何納入 Context？