本案例依原書 6.3「Challenges in Sentiment Analysis」整理。
理解人類語言的 Subjectivity／Ambiguity 如何造成 Sentiment Misclassification。
原書以 “That’s just great” 為例：它可能是真正讚美，也可能是 Frustration／Sarcasm。另一例是 “The movie was amazing, though a bit too long,” 同一句同時包含 Positive 與 Negative Layer。
| 語言挑戰 | 原書例／描述 | 可能造成的錯誤 |
|---|---|---|
| Sarcasm／Irony | “That’s just great” | Positive Words 被誤判為真正 Positive |
| Idioms | 非字面語義 | Lexical Polarity 失真 |
| Negation | 改變 Word Polarity | 局部詞彙分數錯配 |
| Context-dependent Meaning | 同一 Phrase 隨情境改變 | Class 不穩定 |
| Mixed Sentiment | Movie amazing／too long | 單一 Label 忽略多重情緒 |
Excel 可設 Sarcasm Flag、Negation Flag、Mixed Sentiment Flag、Human Review；AI 可先做 Context-sensitive 分類，但高 Ambiguity Text 應保留人工覆核。
原書本節沒有固定 Error Rate。
Sentiment Error 不一定來自模型「不夠大」，也可能來自 Task Definition 太粗。若句子本身具有多重或隱喻情緒，三分類 Label 會壓縮重要資訊。
請檢查以下文字是否包含 Sarcasm、Irony、Idiom、Negation、Context Dependence 或 Mixed Sentiment；若存在歧義，請標記需要 Human Review，不要強行給唯一確定情緒。