应调用StructBERT情感分析模块实现三类情绪自动分类与占比统计：本地WebUI支持批量分析并生成饼图数据，API接口可程序化返回JSON格式占比，App移动端提供快捷入口实时展示环形进度条分布。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用海螺AI处理用户评论时，希望自动识别情绪倾向并量化分布比例，则可能是由于当前操作未调用专用情感分析模块或未对接结构化分类能力。以下是实现正面、中性、负面三类自动分类与占比统计的具体方法：
一、使用内置StructBERT中文情感分类模型（本地WebUI方式）
海螺AI生态中集成的StructBERT中文情感分类镜像，专为中文文本设计，能准确识别“好贵”“还行”“绝了”等含糊或反语表达，并输出结构化标签及置信度，支持批量导入后一键生成占比饼图数据。
1、确保设备已部署StructBERT情感分类镜像，服务正常运行；
2、打开浏览器访问http://localhost:7860进入WebUI界面；
3、在输入区域粘贴待分析的用户评论列表，每条评论换行分隔；
4、点击“批量分析”按钮，等待处理完成；
5、结果页将显示每条评论的情感标签（正面/中性/负面）及对应置信分数；
6、页面底部自动生成统计摘要：正面：XX%｜中性：XX%｜负面：XX%。
二、调用StructBERT API接口进行程序化统计
该方式适用于需嵌入业务系统、定时拉取电商平台评论并生成日报的场景，返回JSON格式结果，可直接解析为占比数值，无需人工汇总。
1、确认API服务已启动，监听地址为http://localhost:8080/predict；
2、构造POST请求，Body为JSON格式，包含字段"texts"，值为字符串数组；
3、发送请求后接收响应，示例返回中含"label": "正面"与"score": 0.923；
4、使用Python脚本遍历全部结果，按label归类计数；
5、计算各标签出现频次占总数的百分比，输出为：{"正面": 62.4, "中性": 28.1, "负面": 9.5}。
三、通过海螺AI App内“智能创作-评论分析”快捷入口（移动端）
部分高版本海螺AI App（v4.9.1及以上）在“智能创作”二级菜单中新增“评论情感速析”功能，面向非技术用户，支持拍照上传Excel截图或粘贴纯文本，实时返回三类情绪分布热力提示。
1、打开海螺AI App，进入“智能创作”面板；
2、下滑找到并点击“评论情感速析”功能卡片；
3、选择“粘贴文本”或“导入文件”，上传含用户评论的TXT/CSV内容；
4、点击“开始分析”，系统自动清洗空行与乱码后执行分类；
5、结果页顶部以环形进度条形式直观展示占比，下方列出高频情感关键词；
6、点击右上角“导出统计”按钮，保存为本地PDF，其中首屏即含：正面情绪占比最高（57.3%），负面集中于物流与售后类表述。
