From f4d9cb15dcf81dfa1a88c53411e011bba41c15e6 Mon Sep 17 00:00:00 2001
From: 2509165005 <2509165005@student.edu.cn>
Date: Sun, 5 Jul 2026 22:45:09 +0800
Subject: [PATCH] =?UTF-8?q?=E5=AE=8C=E6=88=90q3=5F3=E6=A0=87=E6=B3=A8?=
 =?UTF-8?q?=E8=B4=A8=E9=87=8F=E8=87=AA=E8=AF=84=E6=8A=A5=E5=91=8A=EF=BC=88?=
 =?UTF-8?q?200=E5=AD=97=EF=BC=89?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 q3/q3_3_质量自评.md | 9 +++++++++
 1 file changed, 9 insertions(+)

diff --git a/q3/q3_3_质量自评.md b/q3/q3_3_质量自评.md
index e69de29..8794384 100644
--- a/q3/q3_3_质量自评.md
+++ b/q3/q3_3_质量自评.md
@@ -0,0 +1,9 @@
+# 标注质量自评报告
+## 一、标注前准备
+标注前我制定了清晰的标注规范：以文本核心情感倾向为判定依据，“正面”标签适用于含正向评价（如“配送快、味道好”）的评论，“负面”标签适用于含负面评价（如“超时、口感差”）的评论，中性表述不影响核心情感判定。同时参考了8条已标注的外卖评论示例，熟悉标签判定边界，确保标注标准统一且可落地。
+
+## 二、标注过程
+标注中遇到的核心困难是部分评论存在情感混合表述（如“配送慢但菜品新鲜”）。我通过“核心诉求优先”原则解决：聚焦用户主要评价点判定情感倾向；对2条不确定的标注内容，反复通读文本并标注关键评价词，结合“是否有推荐/吐槽倾向”辅助判定，确保标注逻辑一致。
+
+## 三、标注后检查
+标注完成后，我先逐行核对5条评论的id、text、sentiment字段完整性，再将标注结果导出为JSON后重新导入系统，对比前后数据无差异；同时随机抽取3条评论二次标注，两次结果完全一致，确认标注无错误。
\ No newline at end of file