最終更新日：2026年8月26日
gk nlp neural_network
G検定トップ
＞ 感情分析（Sentiment Analysis）とは？【NLP基本タスク｜G検定対策】
まず結論
感情分析（Sentiment Analysis）は、テキストからポジティブ・ネガティブなどの感情や極性を推定するNLPタスクです。
G検定では、まず次で切り分けます。
文章の感情・評価を分類する → 感情分析
直感的な説明
例えば商品レビューを見て、
- 「とても満足した」→ ポジティブ
- 「もう使いたくない」→ ネガティブ
- 「特に問題はない」→ ニュートラル
のように、文章が示す評価や感情を判定します。
ポイントは、感情分析はタスク名であり、特定のモデル名ではないことです。
定義・仕組み
感情分析では、一般に次のような入出力を扱います。
入力：レビューやSNS投稿などのテキスト
↓
モデル
↓
出力：ポジティブ / ネガティブ / ニュートラル など
代表的な実装例として、
- BoW / TF-IDF + 分類器
- Word2Vecなどの単語表現 + 分類器
- BERTなどの事前学習済み言語モデル
があります。
つまり、感情分析＝目的、BERTやTF-IDF＝そのために使える手段という関係です。
いつ使う？（得意・不得意）
使われる場面
- 商品レビューの評価分析
- SNS上の評判分析
- アンケート自由記述の分類
- 顧客の声の傾向把握
注意点
- 皮肉や婉曲表現は判定が難しいことがある
- 文脈によって極性が変わる場合がある
- 「感情分析だから必ず3クラス」とは限らない
二値分類、3分類、より細かな感情カテゴリなど、設計によって出力は変わります。
G検定ひっかけポイント
| 問題文のキーワード | 判断 |
|---|---|
| ポジティブ / ネガティブ | 感情分析 |
| 文を短くまとめる | 要約 |
| 人名・地名などを抽出 | 固有表現抽出 |
| 質問に対して本文から答えを探す | 質問応答 |
| 新しい文章を作る | 文章生成 |
特に、次の混同に注意します。
- ❌「感情分析はBERTというモデルそのもの」
- BERTは感情分析に使えるモデルの1つです。
- ❌「感情分析では必ず文章を生成する」
- 基本的には分類・スコアリングとして扱われます。
- ❌「ポジティブ・ネガティブの2分類だけ」
- 中立や複数感情を扱う設計もあります。
まとめ（試験直前用）
- 感情分析＝テキストの感情・極性を推定するNLPタスク
- ポジティブ / ネガティブが代表的な判断ワード
- タスク名であり、特定モデル名ではない
- TF-IDFやBERTなどを実装に使える
- 要約・生成・固有表現抽出とは目的が違う