← dsh-novel-writer 技术文档 / novel_sentence_analysis

novel_sentence_analysis

v6.1.0：章节参数先精确匹配完整文件名，再匹配省略扩展名的文件名；同名多扩展名时必须提供完整文件名，明确指定却不存在的扩展名不会改读另一格式。

句式模式分析。逐句把正文分成九类句式并统计占比、转移、模板与段落结构，同时给出句长分布、情感曲线、细节密度、风格指纹与节奏建议。分析范围可以是全书，也可以是单章。全部为本地规则统计：情感词命中走词表加否定过滤与副词加权，语义隐性情感是在此之上的可选增强。结果写入书库缓存并同时落盘一份报告 JSON，可用 fresh 强制重算。

参数

参数类型必填说明
bookstring是书名。经 sanitizeSegment 过滤；对应目录内无章节文件时抛错。
chapterstring否只分析该章（章号 / 文件名 / 标题子串）。省略则分析全书，scope 形如「全书 N 章」。
topinteger否返回的高频句式模板条数。允许区间 1–50，默认 8；越界或非整数抛错（不静默钳制）。
maxSentencesinteger否采样句数上限。允许区间 100–100000，默认 20000；触顶后按前缀截断并在建议文本尾部标注。
curveSegmentsinteger否情感曲线分段数。允许区间 1–50，默认 20；实际段数为 min(有效段落数, curveSegments)。
freshboolean否true 跳过缓存读取并强制重算；结果仍写回同一缓存文件。
briefboolean否true 时返回 brief 单句摘要，渲染层只输出该句并提示「省略 brief 重新调用」。
rootstring否章节库根目录。省略时取插件 config.root，再省略取会话工作目录；MCP 形态下受启动参数 --root 约束。

输出结构

契约字段（output.schema.required）：book、scope、enabled、totalChars、totalSentences。功能关闭时返回体只含这五项加 message，且 totalChars 与 totalSentences 均为 0。

字段类型内容
scopestring单章时为文件名；全书时为「全书 N 章」
enabled / messageboolean / string句式分析总开关状态；关闭时 message 给出开启方式
autoAnalyzeboolean生效的「分析作品时主动使用」开关状态
totalChars / totalSentencesinteger全文字符数与实际参与统计的句数（受 maxSentences 影响）
categoriesarray固定九项，顺序为 CATEGORY_ORDER：{type, label, count, ratio, avgLength, examples}；examples 每类最多 3 条、每条超 42 字截断加「…」
transitionsarray相邻句类型转移，{from, to, count}，按次数降序，最多 12 条
motifsarray2 连句与 3 连句模板合并排序后取前 top 条，{pattern, count}，模式用 → 连接
paragraphsobjecttotal / avgSentences / opening / closing / dialogueOnly / psychologyOnly / mixed / narrationOnly / exchanges；四类段落计数之和恒等于 total
lengthsobjectavg / median / shortRatio / mediumRatio / longRatio / distribution（四桶 1-10 / 11-24 / 25-40 / 41+）
styleobject对话、心理、环境、疑问（含反问）、感叹占比，短句与长句占比，subjectivityIndex（0–100 整数）、emotionDensity、avgSentenceLength、firstPersonDensity
emotionobjectdominant、cleanDominant、confidence、caveat、aiAction、pollution、scores、cleanScores、intensity、topWords（≤12）、curve、quantification（含 complexity：score / level / entropy / diversity / conflict / chapterDrift / reliable / reliabilityNote，level 可能为 "unknown"）
chapterPatternsarray全书分析时的分章压缩节奏序列，{chapter, sequence}；单章分析为空数组
guidancestring节奏建议多行文本，末尾可能附前缀截断提示
densityobjectactionVerbsPer1000 / actionChainRatio / actionChainExamples（完整句，非截断：8~70 字、等距抽样 3 条） / objectNounsPer1000 / sensePer1000 / sense（五感官通道）
fingerprintstring一维风格指纹串，格式与 novel_style_check 一致
reportFile / cache / cachedAtstring报告落盘路径；cache 枚举 hit / miss；cachedAt 为 ISO 时间
briefstringbrief:true 时的单句摘要

渲染层按 【句式分布】→【句式排列】→【句长与风格】→【主观情感】→【情感净化预警】→【情感量化】→【语义隐性情感】→【细节密度】→【节奏建议】→【风格指纹】→【AI 解读提示】 分段输出纯文本；情感净化预警段仅在 cleanDominant !== dominant 时出现，语义隐性情感段仅在 quantification.semanticImplicit.hits 非空时出现。【情感量化】段的复杂度行为可读行，且 complexity.reliable === false 时会单独起一行写出 reliabilityNote（v6.6.5）。【细节密度】段首另有一行口径说明，标明当前口径（v7.0.0）与前后版本数值不可直接比较。

计算原理

1 · 分块、切句与九类判定

先分段落再切句，两者都做了降噪：

splitBlocks(text)： 归一 CRLF / CR 为 LF 段落分隔符 = 正文之间的连续空行段（一个或多个）；无空行时每行视为一段 跳过 Markdown 标题行（/^#{1,6}\s/） 跳过分割线（/^[-_*=]{3,}$/） 末尾过滤空串 splitSentences(block)： 遇 \n 或 \r 直接切句 遇 TERMINATORS = "。！？…!?" 切句；连续句末符并入同一句 句末符后最多吞掉 2 个闭合引号（”」』’" '）

九类句式的判定是固定优先级瀑布，先命中先归类，不做打分：

1. 引号内片段含心理标记 → psychology（内心独白，quoted 标记） 2. 对话引号内片段（无心理标记） → dialogue；书写/标牌/命名语境的引用文字不走此分支 3. 全文命中心理标记 → psychology 4. 命中反问强标记 → rhetoric-question 5. 以问号结尾 → question 6. 命中祈使硬词 / 祈使动词 + 吧 → imperative 7. 命中感叹标记 → exclamation 8. 命中环境标记词表 → environment 9. 以「…」结尾 → ellipsis（省略留白） 否则 → statement

v6.1.0 支持“小心前面的陷阱！”等长宾语提醒，并排除“注意到”等同形普通用法。祈使排在感叹之前，是为了让「闭嘴！」这类句归祈使，感叹只留给不含祈使词的叹句。反问分支已剔除「哪里」这一最常见的真疑问词，并把「谁 + 情态」收紧为固定格式（谁知道 / 谁说的 / 谁能想到…），避免把「谁会来参加明天的会议？」判成反问。

2 · 采样上限与密度分母

逐段逐句累计；一旦 sentences.length ≥ maxSentences 即停止（前缀采样），truncated = true sampleText = sentences.map(s => s.text).join("") ← 全部密度类指标的样本 sampleChars = sampleText.length totalChars = 原文长度（顶层字段语义不变） guidance += "\n⚠️ 文本超过采样上限(N 句),以上统计基于前缀采样(X/Y 字);建议分章分析。" （仅 truncated 时）

情感密度、主观性指数、细节密度、Valence 量化全部以 sampleText 为样本，与句式计数同源。此前存在的两套口径（截断时用句子拼接、未截断时用含空行与标题行的原文）会让密度类指标仅因是否触顶而不可比，现已统一：代价是未截断路径下空行与段落分隔符不再进分母，密度读数略高于旧版本。

3 · 排列规律：转移、模板、段落结构

transitions：对 i ≥ 1 统计 (type[i-1] → type[i])；按 count 降序、from/to 字典序，取前 12 motifs ：同时统计 2 连句与 3 连句；按 count 降序、pattern 字典序，取前 top paragraphs ：段首 / 段尾句式各按次数降序 dialogueOnly = 全段均为 dialogue psychologyOnly= 全段均为 psychology mixed = 段落内句式种类 > 1 narrationOnly = 其余单一句式段（含全陈述段） exchanges = 段内相邻两句均为 dialogue 的次数 chapterPatterns：按章识别句式码后做游程压缩（S×8 ENV×2 …），最多 48 段，超出追加「…(共N段)」

四类段落计数互斥且穷尽，dialogueOnly + psychologyOnly + mixed + narrationOnly === paragraphs.total 恒成立——早先缺少 narrationOnly 桶时，全环境句段与全疑问句段会静默漏计。

4 · 句长分布

shortRatio = 占比(len ≤ 10) mediumRatio = 占比(10 < len ≤ 24) longRatio = 占比(len > 24) avg = 均值（2 位小数）；median = 中位数（偶数个取中间两值均值，2 位小数） distribution 桶 = 1-10 / 11-24 / 25-40 / 41+

短 / 中 / 长三档与 distribution 四桶在 10 与 24 处对齐，按 distribution 复算 ratio 必然一致。

5 · 情感词扫描

三张表叠加使用：强情绪词 50 条（深层情感，进 clean）、弱情绪词 52 条（感官 / 爽感反应，只进 raw）、大连理工七类词表 27413 条（懒加载 gzip，兜底；只进 raw）。

scanEmotionHits(text, table)： 收集词表全部出现 → 按「词长降序 → 表内情绪序 → 表内词序 → 起点」排序 → 逐项做区间消费，落在已消费区间内的短词不再命中 逐次命中后： ① 否定过滤 negatedAt(text, idx) 单字否定：不 没 无 别 莫 未 · 「别」在构词前字之后（特别/别人/告别…）不算否定 · v6.9.5 起这四个单字各配构词反例表（原来只有「别」有）： 「没」淹/出/沉/埋/覆/辱/隐/吞/泯（淹没/出没…） 「莫」约/广/落/寂/冷/沙/淡 + 常见姓氏用字（苏莫/林莫…） 「无」虚/空/荒/苍 + 姓氏（虚无/苏无…） 「未」辛/丁/乙/己/癸/岁 + 姓氏（辛未/林未…） 双 / 三字前缀 22 项：不要 不用 不必 不再 不是 并非 绝非 毫不 丝毫不 从不 从未 没有 没啥 未曾 无法 难以 不太 不很 不怎么 不算 算不上 谈不上 ② 副词加权 adverbWeight(text, idx) 窗口 = 当前小句（遇标点截断），再往前最多 6 字 命中强副词 13 项 → ×1.5；命中弱副词 8 项 → ×0.6；其余 ×1 单字副词（太 / 略 / 挺）必须紧邻情感词，且左邻 2 字不在 19 项同形非副词搭配内（太阳/策略/省略/挺拔…）

「最长匹配 + 区间消费」消除了嵌套双计：「悲痛欲绝」不再被拆成「悲痛」＋「悲痛欲绝」两分。DUTIR 兜底同样按最长优先扫描，但将上限由 4 字提到 8 字（词表最长条目 7 字），使 853 条 ≥5 字的成语级情感词恢复可命中；v6.1.0 起兜底词与主词表共享已消费区间，避免“无比幸福”中的“幸福”再次计分。兜底词不做强弱分级，只进 scores 不进 cleanScores。

v6.9.5：DUTIR 的「恶」类不再计入五类主情绪。大连理工词典的「恶」大类有 10,262 个词（占全表 37%，含憎恶 / 烦闷 / 羞愧 / 嫉妒 / 贬义评价如无聊 / 尴尬 / 愚蠢 / 虚伪 / 啰嗦），旧映射是 恶: "anger"，于是「他很无聊，场面尴尬」会被算成 4 分愤怒、「表面主导情绪」直接变成 anger，并连带推高氛围轴的暗黑 / 热血评分。现在「恶」不映射到 joy/anger/sorrow/fear/surprise，只由 VALENCE_WORDS 承担负向效价；同时强情绪词表补入狂喜 / 欢天喜地 / 怒发冲冠 / 心灰意冷 / 恐慌，「脸色铁青」「怒气」补进效价表。

6 · 情绪污染源与置信度

污染词表 52 条，分三类：r18 26 条 / battle 13 条 / horror 13 条 density = 命中次数 / max(sampleChars, 1) × 1000 polluted = r18Density ≥ 1.5 ‖ battleDensity ≥ 3 ‖ horrorDensity ≥ 3 confidence = polluted ? "low" : cleanDominant === "neutral" ? "medium" : cleanDominant !== dominant ? "medium" : "high"

命中污染阈值时 caveat 会写明「检测到高密度 X 描写…请勿直接采信，须 novel_read 抽查 2-3 段原文复核真实情感基调后再下结论」，同时给出 aiAction；仅强弱主导不一致时 caveat 以「剔除易污染的情绪词后，主导情感为…」表述；两者都不成立时 caveat 为空串。

7 · 情感曲线

segmentCount = min(有效段落数, curveSegments ≤ 50) 第 s 段覆盖 blocks[floor(s·B/S) : floor((s+1)·B/S)] 段主导情感 = 段内各类 scores 之和的最大者（并列时按 joy→anger→sorrow→fear→surprise 顺序取先者） intensity = 段内情感总命中 / 段内字符数 × 1000（2 位小数）

曲线不做零强度段裁剪：段数由 min(段落数, curveSegments) 保证每段至少 1 个段落，不会产生空切片，因此强度为 0 的段是「真实的平缓段」而非伪段，跨章节曲线可按固定段数对齐。

8 · Valence 量化与隐性情感

valenceSeries(text, win = 100 字)： 效价表 149 条，最长优先 + 区间消费；否定命中不计词也不进正负计数 每窗口均值仅由「有命中的窗口」构成（series，零命中窗口不产生 0 以免稀释均值） seriesFull = 全窗口等距序列（零命中窗口记 0）；hasHit[w] 标记该窗口是否有命中 valenceStats： variance = Σ(x−mean)² / (n−1) ← 仅命中窗口，n<2 时为 0 adjVariance = Σ|seriesFull[i]−seriesFull[i−1]| / 有效对数 ← 仅「相邻两窗都有命中」的对 delta = 最小二乘斜率 × (m−1) ← 基于 seriesFull deltaRobust = 尾三分位均值 − 首三分位均值 ← 同基于 seriesFull（deltaBasis="seriesFull"） conflict = 各窗口 2·min(pos,neg)/(pos+neg) 的均值 posRatio / negRatio / meanValence implicitEmotionScan： 单向载体 28 条（意象 + 微动作，带 valence / label / fragile） 多方向载体 14 个（雨 / 烛火 / 火光 / 夜 / 风 / 海 / 灯 / 影子 / 笑 / 眼泪 / 沉默 / 花开 / 黄昏 / 奔跑） 多方向词在 ±30 字上下文内做触发词最长优先裁决；多触发冲突或未裁决 → 计入 ambiguous negative / positive / ambiguousRatio 三项共用分母 totalAllHits，三项之和恒 ≤ 1 emotionComplexity： entropy = −Σ p·ln p（五类，最大熵 ln5 ≈ 1.609）；diversity = p ≥ 0.15 的类别数 score = 0.5·(entropy / ln5) + 0.25·(meanDiversity / 5) + 0.25·(secondaryRatio / dominantRatio) level = score ≥ 0.6 ? high : score ≥ 0.4 ? medium : low unreliable = reliability.polluted ‖ reliability.noData ← v6.6.5 level = unreliable ? "unknown" : 上面算出的值 ← v6.6.5（新增取值 unknown） clean 计数为空（stats.length === 0）⇒ level = "unknown"、reliable = false ← v6.6.5 reliable = !unreliable；reliabilityNote = 固定说明（可采信时为空串） chapterDrift.swinging = entropies 的方差 > 0.03 chapterDrift.basis = 有 chapterTexts 时 "chapter"，单章分析回退段级 "paragraph"

explicitImplicitCompare 以显性效价均值 ±0.15 与隐性方向占比 0.6 判定「表里不一」，双向冲突（显正隐负、显负隐正）都会置位 explicitImplicitConflict。复合情感共现按段落内共现的情感类对统计，输出前 5 组并补中文标签（悲喜交加 / 又爱又恨 等）。

v6.6.5：复杂度与置信度联动。此前 emotionComplexity 只看计数、与 confidence 完全脱钩：同一份返回体里一边是 confidence: "low" 与「检测到高密度成人向内容 / 感官描写…请勿采信」的 caveat，另一边照样给出 complexity: { score: 0.6, level: "high" }——下游只要读 level 就会得出「情感复杂度高」，而这个结论已被工具自己否定。现在 emotionComplexity(perChapter, reliability) 接收第二个可选参数 reliability（{ polluted, pollutedBy, noData }），由 analyzeText 在算完污染与零命中判定后传入（经 emotionalQuantification 的第 4 个参数透传）。判定不可采信有三条路径，都与「结论是否可采信」直接相关：

  • 污染：polluted 为真，即成人向内容 / 感官描写 ≥ 1.5‰、或战斗/爽文 ≥ 3‰、或恐怖/疯狂 ≥ 3‰（阈值与 EMOTION_POLLUTION 词表都是既有实现，本版未改）。
  • 无数据：全文零情感词命中（noData，判据是 raw 计数为零）。
  • 无 clean 数据：stats.length === 0——复杂度用的是 clean 计数，走到这个早退分支说明没有可用的 clean 计数。这一条覆盖了「raw 命中了弱词、clean 一个强词都没有」的情形（例如只有「微笑」「眼泪」「发抖」这类弱情绪词），note 会明写「未检出可用的情感计数（clean 计数为空）」。三条路径的 score 0 都表示「没测到」，不是「情感简单」。

命中任一条件时，complexity.level 为 "unknown"（新增取值，此前只有 low / medium / high），同时给 reliable: false 与固定的 reliabilityNote（可采信时为空串；纯文本，不含 Markdown 强调符）。score 数值保留，便于跨章对比，但 reliable: false 已标明它的地位。渲染层（lib/core.js 的 formatSentenceAnalysis，【情感量化】段）会把这一项打成可读的一行——- 复杂度: <score>（<level>）熵 X/Y，多样性 N，主次 A↔B（k），章间漂移 有/无（基准 …）——并在 reliable === false 时单独起一行写出 reliabilityNote。此前该段打印的是 JSON.stringify(q.complexity).slice(0, 120)，而 reliable / reliabilityNote 排在对象末尾，必然被 120 字符截掉，所以「本项不可采信」永远到不了渲染文本。

9 · 主观性指数、细节密度与指纹

firstPersonCount：第一人称词按最长匹配先消（「我们」不拆成 我 + 我们），再补统计剩余孤立「我 / 俺 / 咱」 subjectivityIndex = min(100, round(心理占比×50 + 感叹占比×60 + min(emotionDensity×2.5, 25) + min(firstPersonDensity×1.2, 20))) densityOf(sampleText)： 动作动词正则 /摸|拿|推|拉|…|合/：单句命中 ≥ 2 记为动作链句 actionVerbsPer1000 / objectNounsPer1000 / sensePer1000 按千字归一（1 位小数） actionChainRatio = 动作链句 / 句数 × 100 感官五通道：visual / auditory / tactile / olfactory / temperature（温度词只归 temperature，防双计） 搭配豁免（v7.0.0，collocation-guards 198 条 / 7 通道）：动作 / 物件 / 视觉 / 听觉 / 嗅觉 / 触觉 / 温度 命中「一点」「痛苦」「干净」「温柔」这类搭配时不计入，口径标识 METRIC_CALIBER = "v7.0.0" → 同一章细节密度下降约 15%~20%，新旧数值不可直接比较 actionChainExamples：候选只收 8~70 字完整句，末尾等距抽样 3 条，不截断、不恒取开头三句 fingerprint = 九类短码占比(‰) + " | len:" + 均句长 + " subj:" + 主观性 + " emo:" + 主导情绪 + " | motif:" + 首选模板

10 · 缓存与报告落盘

scopeKeyParts[i] = 章文件名 + ":" + sha1(该章前 8KB) 前 12 位 + ":" + 文件字节数 （读取失败时记 "文件:?:?"） cacheKey = sha1(book | scope | scopeKeyParts.join(",") | "top=" + top | "max=" + maxSentences | "curve=" + curveSegments | "en=" + enabled | "auto=" + autoAnalyze) 前 20 位 reportFile = <root>/.novel-writer/analysis/<book>-<cacheKey>.json 命中条件：!fresh 且 文件可解析 且 cached.ver === CACHE_VERSION 写盘后按书前缀保留最近 20 份（REPORT_CACHE_KEEP，按 mtime 降序删除其余）

缓存指纹用「每章前 8KB 的内容哈希 + 文件大小」而非 stat 的 mtime：内容同大小且 mtime 未变时旧指纹不会失效。命中路径只读每章前缀 8KB，不整章读盘。

约束与边界

  • 两层开关，行为不同：工具级开关关闭时 assertToolEnabled 抛错（「工具 novel_sentence_analysis…当前已在「写作助手功能」UI 中关闭」）；句式分析总开关 enabled 关闭时不抛错，返回 enabled:false、totalChars:0、totalSentences:0 与 message，且不读章节正文、不写缓存。调用方应据 enabled 而非 totalSentences === 0 判断可用性。
  • 参数越界是错误而非钳制：top / maxSentences / curveSegments 由 optionalInt 校验，非整数或越界直接抛「参数 X 必须是 A 到 B 之间的整数」。内部 analyzeText 另有 ≥1 与 1–50 的兜底钳制，供直接调用该函数的一方使用。
  • 触顶即前缀采样：超过 maxSentences 后只统计靠前部分，totalSentences 等于上限而不是全书句数。这不是全量结果，提示只写在 guidance 末尾（不加顶层字段），调用方需要全量时应分章调用。
  • 缓存键含内容指纹与全部参数：改一章内容、换一个 top 或翻转 enabled / autoAnalyze 都会生成新缓存文件，旧文件不再命中；fresh:true 跳过读取但仍写回同一文件。落盘目录按书最多保留 20 份报告，超出部分按修改时间淘汰，<book>-full.json 与 <book>-chapters-metrics.json 是分析缓存、不匹配报告命名，不会被清理。
  • 算法版本是硬失效条件：缓存内 ver 与 CACHE_VERSION 不一致时视为过期并重新分析。而 CACHE_VERSION = PLUGIN_VERSION（见源码位置 lib/core.js）——缓存跟着插件版本号走，所以升级会自动失效旧口径的结果，不需要手动清缓存：v6.6.5 就是这样让升级后立刻拿到带 reliable 的新 complexity，而不是命中一份连该字段都没有的旧缓存。
  • 情感复杂度新增取值 level: "unknown"（v6.6.5）：它表示「本项不可采信」，不是第四档复杂度。按 low / medium / high 三值穷举的读取方需要补这个分支；跨版本比较时，旧版本的 level 不会出现该值，也不应把两者当作同一把尺子。
  • 语义隐性情感受独立门控：仅当 semanticImplicit（含 semanticEmbedding 总开关）开启且本地引擎可用时才会补充 emotion.quantification.semanticImplicit。「用户明确关闭」与「引擎瞬时不可用」被区分对待——后者不会把缓存里已算好的 semanticImplicit 抹成空。单章分析时命中范围被约束在本章内，越界的旧缓存结果会被重算并写回。
  • 情感字段可能被裁剪：emotionCaveat 关闭时 emotion 只保留 dominant / scores / intensity / topWords / curve；emotionComplexity 关闭时删除 quantification。两个开关各自独立生效，关闭其一不会连带剥掉另一个。
  • 成人向内容 / 感官描写密集的文本，情感维度本就不适用（v6.6.5 明确写出）：本版做的是「别在不适用的语料上硬给一个高置信度的数字」，不是「让插件准确判断成人向内容的情感」。这类文本请改用节奏 / 爽点 / 对话密度等维度——本页的 lengths / style / paragraphs 与 density 仍然可用，情感项读到 level: "unknown" 与 reliable: false 时不要拿 score 下结论。
  • 静默降级点：DUTIR 词表加载失败时跳过兜底（不影响主词表结果）；语义裁决与语义隐性情感失败不阻塞规则结果；缓存写盘失败不影响本次返回值；cleanOutput 统一消除 -0、把 NaN 归一为 null、剔除 undefined 键。
  • 跨版本不可横比：v4.3.0 起，句末符口径统一（省略号单独成句）、密度分母统一为句子拼接样本、情感命中改为区间消费、Valence 的 adjVariance 与 deltaRobust 改口径、隐性情感三项比率共用三分分母。同一本书在旧版本下产生的报告数值不可与新版本直接比较。

相关工具

  • novel_style_report —— 本工具的 fingerprint、lengths、style、emotion 是其「维度」聚合的原始来源。
  • novel_style_check —— 复用本工具的九类占比、句长与主观性构造指纹向量，做单章对照判定。
  • novel_semantic_search —— 与本工具的语义隐性情感共用同一个本地向量引擎、同一份索引缓存与同一套切块规则。

源码位置

  • lib/index.js —— 工具注册与执行（registerNovelSentenceAnalysis，第 403 行起；execute 自第 590 行）、缓存键与 pruneAnalysisReports（第 155 行）、cropEmotionByFeatures（第 83 行）、semanticGate（第 109 行）
  • lib/analysis.js —— 九类标签与顺序（CATEGORY_LABELS 第 23 行、CATEGORY_ORDER 第 37 行、TYPE_CODE 第 43 行）、词表（第 58–142 行）、splitBlocks（第 145 行）、splitSentences（第 183 行）、classifySentence（第 348 行）、scanEmotionHits（第 451 行）、emotionOf（第 500 行）、valenceSeries（第 896 行）、valenceStats（第 953 行）、implicitEmotionScan（第 822 行）、emotionComplexity（第 1187 行）、analyzeText（第 1292 行）、emotionCurve（第 1558 行）、buildFingerprint（第 1600 行）、densityOf（第 1678 行）
  • lib/core.js —— buildBriefLine（第 1324 行）、formatSentenceAnalysis（第 1330 行）、enrichSemanticImplicit（第 793 行）、semanticFeatureEnabled（第 852 行）、cropEmotion（第 856 行）、cleanOutput（第 2308 行）、CACHE_VERSION（第 24 行）
  • lib/embedding.js —— chunkText（第 520 行）、detectImplicitEmotions（第 292 行）、IMPLICIT_EMOTION_PROTOTYPES（第 232 行，共 29 条原型句）、fingerprint（第 338 行）