VADER（Valence Aware Dictionary and sEntiment Reasoner）是一款基于词典与规则的情感分析工具，专为社交媒体与非正式文本优化。
【主要能力】 它为每段文本输出四个分数：正面（positive）、负面（negative）、中性（neutral，三者比例合计为 1.0），以及归一化到 [-1, +1] 的复合分（compound）。复合分计算公式为：S_compound = sum(V_i) / sqrt(sum(V_i)^2 + alpha)，其中 V_i 是各 token 经规则调整后的效价分数，alpha = 15 为归一化常数。默认阈值：复合分 >= 0.05 为正面，<= -0.05 为负面，介于两者之间为中性。大小写全大写词效价约加 0.733，感叹号每个放大约 +0.292（最多 4 个），否定窗口为 3 个词，约 25 个程度修饰词可增强或减弱效价。
【使用方式】 核心原则是预处理必须保留情感信号：保留大小写、标点、表情符号、程度修饰词、否定词与缩略词；仅去除 URL、@提及、HTML 标签与实体、井号符号（保留词本身）并归一化空白。不应转小写、不应去除标点或表情。可使用 nltk.sentiment.vader 的 SentimentIntensityAnalyzer 进行评分。工作流包括：验证语料适用性、VADER 安全预处理、分层评分（标题/正文/合并）、校准阈值、计算聚合分布、时间窗口与轨迹分析、识别稳定/波动/拐点模式，最后撰写报告。
【适用场景】 社交媒体帖子、评论、评测或非正式文本的情感打分；需要快速、确定性、无需训练的情感基线；跨语料追踪情感随时间的变化（纵向轨迹分析）；将标题与正文分开评分以检测强调错配的多层分析；在应用更复杂模型前建立情感基线；语料含表情符号、俚语、大写强调、感叹号。
【限制】 不适合正式、技术、法律或金融文本（领域词汇会扭曲分数）；仅支持英语（词典为英文）；反讽、讽刺或复杂否定普遍时 VADER 会系统性误读；无法提供方面级情感；不应作为心理或情绪状态的唯一证据（VADER 衡量的是词汇效价而非情绪）。建议文本至少 3 词以上，聚合分析建议 100+ 条文本，低于 50 条聚合统计不可靠。缺失时间元数据时不要伪造时间顺序，应仅报告静态聚合分布。若语料不适用，应在报告中说明检查项、失败项并推荐替代方案。