4. 分析任务体系
在财报文本情感与语调分析中，很多初学者会直接问：“这段管理层讨论是正面还是负面？”但真正进入工程落地后，你会发现“情感分析”并不是一个单一任务，而是一套由粗到细、由分类到回归、由判断到抽取的任务体系。不同任务对应不同的业务问题、标注方式和建模策略。本章将系统梳理文档级、句子级、方面级情感分析，语调分类、情感强度回归与事件抽取这六类任务，帮助你建立完整的任务地图。
一、核心原理：为什么需要分层任务体系
财报文本具有篇幅长、结构复杂、语气克制、信息密度不均等特点。一篇年报可能包含董事长致辞、管理层讨论与分析、风险提示、审计意见等多个部分，整体语调偏正面，但其中某个风险段落可能暗含强烈负面信号。如果只做文档级判断，就会丢失这种局部矛盾。
因此，任务体系的设计遵循“粒度递进”原则：从整篇文档到句子，再到句子中的具体方面；从离散类别到连续强度；从主观判断到客观事件抽取。每一层解决不同问题，也依赖不同的数据标注和模型能力。
核心逻辑：粒度越细，业务解释力越强，但标注成本越高、模型难度越大。实际项目中通常采用“文档级粗筛 + 句子级定位 + 方面级归因 + 事件抽取补事实”的组合策略。
二、六类任务的定义与对比
| 任务类型 | 输入单位 | 输出形式 | 典型业务问题 | 标注难度 |
|---|---|---|---|---|
| 文档级情感分析 | 整篇财报/公告 | 正面/中性/负面 | 整体市场情绪判断 | 低 |
| 句子级情感分析 | 单句 | 情感极性 | 定位关键风险句 | 中 |
| 方面级情感分析 | 句子+方面 | 方面-极性对 | 营收好但利润差 | 高 |
| 语调分类 | 文档/段落 | 乐观/谨慎/中性 | 管理层语调倾向 | 中 |
| 情感强度回归 | 句子/文档 | 连续分值 | 情绪强烈程度排序 | 高 |
| 事件抽取 | 句子/段落 | 事件类型+论元 | 并购、违约、减持 | 很高 |
这张表是本章的任务地图。下面逐一拆解关键任务的方法流程。
三、方法流程：从标注到建模
1. 文档级与句子级情感分析
文档级通常采用预训练语言模型（如 BERT、RoBERTa）加分类头，输入整篇或截断后的文本，输出三分类概率。句子级则更接近常规句子分类，但要注意财报句子常含条件、否定和对比结构。
# 句子级情感分类示例（伪代码）
from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("bert-base-chinese")
model = AutoModelForSequenceClassification.from_pretrained(
"bert-base-chinese", num_labels=3
)
inputs = tokenizer("公司本期营业收入同比下降12.3%", return_tensors="pt")
logits = model(**inputs).logits
pred = logits.argmax(dim=-1) # 0负面 1中性 2正面
2. 方面级情感分析
方面级任务要求识别“针对哪个方面”的情感。例如“营收增长强劲，但毛利率承压”中，营收方面为正面，毛利率方面为负面。常见做法是构造“句子+方面词”的输入对，或用序列标注先抽方面再分类。
3. 语调分类与情感强度回归
语调分类更关注管理层的表达姿态，如“乐观”“谨慎”“中性”，常结合情态动词、程度副词和未来指向词。情感强度回归则把情感从离散标签变为连续分数，例如用 0～1 或 -1～1 表示强度，适合排序和阈值预警。
4. 事件抽取
事件抽取关注“发生了什么”，包括事件类型识别和论元角色填充。例如“公司拟以5亿元收购某新能源公司60%股权”可抽取出：事件类型=并购，金额=5亿元，标的=某新能源公司，比例=60%。这一步为情感分析提供事实锚点。
实践建议：先做句子级情感和事件抽取，再聚合到文档级，往往比直接做文档级更可解释，也更容易定位风险来源。
四、案例场景：一份年报的多任务分析
假设某公司年报中有一段话：“报告期内，公司营业收入同比增长18%，主要受益于海外市场拓展；但受原材料价格上涨影响，毛利率同比下降3.2个百分点，净利润承压。”
- 文档级：整体偏中性，因为增长与承压并存。
- 句子级：前半句正面，后半句负面。
- 方面级：营收=正面，毛利率=负面，净利润=负面。
- 语调分类：谨慎乐观。
- 情感强度回归：负面强度约0.6，正面强度约0.7。
- 事件抽取：营收增长事件、毛利率下降事件、原材料涨价事件。
可以看到，同一段文本在不同任务下输出完全不同。只有组合起来，才能形成对公司的完整判断。
五、误区与复盘
常见误区一：把文档级情感直接当作投资信号。财报整体语调偏正面是常态，真正有价值的是局部负面和语调变化。必须结合句子级和方面级才能发现风险。
常见误区二：忽略否定与条件句。“若原材料价格持续上涨，公司可能面临亏损风险”并非确定负面事件，而是条件性风险。句子级模型若不做条件识别，容易误判。
常见误区三：方面级标注粒度过粗。把“营收”和“利润”混为一个方面，会导致模型无法区分“增收不增利”这一关键矛盾。
复盘时建议按以下清单检查任务体系是否完整：
- 是否覆盖了文档、句子、方面三个粒度？
- 语调分类是否与情感极性区分开？
- 情感强度是否用于排序和阈值预警？
- 事件抽取是否提供了事实锚点？
- 各任务输出是否能聚合回文档级结论？
只有把六类任务放在同一体系中协同使用，财报文本分析才能从“贴标签”走向“可解释、可追溯、可决策”。