---
title: "語義分析（Semantic Analysis）"
slug: semantic-analysis
language: zh-TW
source: https://aiterms.tw/terms/semantic-analysis
updated_at: 2026-04-29
tags: [自然語言處理, AI基礎, 深度學習, 知識圖譜, 大型語言模型]
ipas_term: false
---

# 語義分析（Semantic Analysis）

> **你有沒有在看留言、客服對話，想知道對方真正是在抱怨還是只是在提建議，發現只看表面常常不夠？**
>
> 你可以把它想成替句子做深度理解，不只看每個字，還要看詞和詞之間的意思關係。
>
> 聊天機器人、搜尋、資訊抽取都靠它先抓到語意，才不會只答到表面。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆
> **詞法分析**
> 詞法分析像辨識每個字是什麼詞性，語義分析像理解這些字組合起來「這句話到底想表達什麼」，層次更深。
>
> 最關鍵的區別：先看它是在比意思、比結構，還是在做任務輸出。

### 記住這句就好
> 看到文字先問「它真正想表達什麼」，就是語義分析。

### 實際案例
> 客服工單裡寫著「系統又卡住了」，模型要判斷這是抱怨、求助，還是單純回報狀況。
> 新聞摘要系統要知道「台積電擴廠」和「半導體供應鏈」其實在講同一個事件脈絡。

### 算法與應用
> 常見做法會先做詞義消歧、命名實體辨識、依存關係分析，再把句子語意整理成結構化表示。
> 在大型語言模型裡，語義分析常和上下文表示、檢索增強、語義角色標注一起使用。

### 情境判斷
> **Q1（直覺題）：** 聊天機器人把「我想退貨，但包裝已經拆了」理解成只是問包裝，這是哪裡沒做好？
>
> → 語義分析不夠。模型只抓到「退貨」或「包裝」，沒有把整句的真正意圖和限制條件一起看懂。
>
> **Q2（判斷題）：** 如果一個系統能抓到關鍵字，但常常答非所問，還能算語義分析做得好嗎？
>
> → 不算。只有關鍵字匹配不代表理解語意，真正好的語義分析要能處理上下文、指代和詞義歧義。

### 常見問題
> **Q：語義分析與句法分析有什麼區別？**
> 句法分析關注句子的結構，例如詞語之間的依存關係或成分結構。語義分析則關注句子的含義，例如詞語的語義角色或實體之間的關係。句法分析是語義分析的基礎，但語義分析需要更深入的理解。
>
> **Q：如何評估語義分析的性能？**
> 語義分析的評估指標取決於具體的任務。例如，詞義消歧可以使用準確率 (Accuracy) 或 F1 值 (F1-score) 來評估。語義角色標注可以使用精確率 (Precision)、召回率 (Recall) 和 F1 值來評估。指代消解可以使用 MUC、B<sup>3</sup> 或 CEAF 等指標來評估。
>
> **Q：語義分析的未來發展趨勢是什麼？**
> 語義分析的未來發展趨勢包括：更深入的上下文理解、更強的推理能力、更好的多語言支持、更廣泛的應用領域。隨著深度學習和大型語言模型的發展，語義分析將在更多領域發揮重要作用。

### 相關術語
> - **自然語言處理**：先懂 NLP 的整體範圍，才知道這個概念在文字任務裡扮演哪一段。
> - **自然語言理解**：它比一般 NLP 更偏理解層，最適合拿來對照語義層次。
> - **依存句法分析**：先看句子結構，再看語意時，這個術語最有幫助。
> - **共指解析**：理解指代關係後，語義分析和 NLU 會更好讀。
> - **詞義消歧**：它最能說明同一個詞在不同上下文裡為什麼會變意思。

---

來源：https://aiterms.tw/terms/semantic-analysis
快查頁：https://aiterms.tw/terms/semantic-analysis
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-semantic-analysis