diff --git a/Final_Data_Quantificated.xlsx b/Final_Data_Quantificated.xlsx
index dff45c1..458b6a8 100644
Binary files a/Final_Data_Quantificated.xlsx and b/Final_Data_Quantificated.xlsx differ
diff --git a/temp.py b/temp.py
new file mode 100644
index 0000000..325b5db
--- /dev/null
+++ b/temp.py
@@ -0,0 +1,79 @@
+import pandas as pd
+import numpy as np
+from snownlp import SnowNLP
+import os
+
+def load_data(file_path):
+    try:
+        df = pd.read_csv(file_path, usecols=['弹幕内容'], engine='python')
+        return df['弹幕内容'].dropna().astype(str).tolist()
+    except Exception as e:
+        print(f"数据加载失败: {str(e)}")
+        return []
+
+def analyze_sentiment(danmu_texts):
+    # 添加特殊词汇处理（以原词典中很好为0.78，一般为0.52，差为0.14为标准手动添加）
+    special_cases = {
+        # 高强度正能量词
+        "爷青回": 0.9,  # 情怀向
+        "yyds": 0.9,  # 永远滴神
+        'YYDS': 0.9,  # 永远滴神
+        "awsl": 0.8,  # 啊我死了（感动）
+        '阿伟死了': 0.8,  # 谐上（感动）
+        "泪目": 0.8,  # 感动场景
+        "排面": 0.8,  # 排场十足
+        "双厨狂喜": 0.7,  # 跨界联动
+        "梦幻联动": 0.7,  # 跨作品合作
+        "注入灵魂": 0.7,  # 高能片段
+        "文艺复兴": 0.8,  # 经典重现
+        # 玩梗互动词
+        "下次一定": 0.55,  # 投币拖延梗
+        "你币没了": 0.45,  # 威胁不投币
+        "空降成功": 0.5,  # 跳片头
+        "标准结局": 0.5,  # 意料之中
+        "典中典": 0.4,  # 经典复读(含贬义）
+        # 高能名场面
+        "名场面": 0.85,  # 经典片段
+        "神仙打架": 0.9,  # 高手对决
+        "前方高能": 0.7,  # 高潮预警
+        # 数字谐音
+        "666": 0.75,  # 玩得厉害
+        "999": 0.75,  # 6翻了
+        "2333": 0.6,  # 笑
+        # 抽象文化
+        "草": 0.6,  # 笑（中性）
+        "生草": 0.65,  # 搞笑场景
+        # 破防场景
+        "破防了": 0.4,  # 心理防线崩溃
+        "我裂开了": 0.3,  # 心态炸裂
+        # 特定领域梗
+        "奥利给": 0.8,  # 加油打气
+        "DNA动了": 0.8,  # 触发记忆
+        "有内味了": 0.7,  # 特色到位
+        # 负向场景
+        "公开处刑": 0.5,  # 尴尬场面
+        "阴间": 0.3,  # 诡异内容
+        "阴间滤镜": 0.3,  # 画面诡异
+        "血压上来了": 0.3  # 令人烦躁
+    }
+    sentiment_scores = []
+
+    for item in danmu_texts:
+        if item in special_cases:
+            sentiment_scores.append(special_cases[item])
+        else:
+            s = SnowNLP(item)
+            sentiment_scores.append(s.sentiments)
+
+    avg_score = np.mean(sentiment_scores)
+    return avg_score
+
+# file_path='hot_data/亲子/BV1TLXVYREDt/BV1TLXVYREDt_287_danmaku.csv'
+# df = load_data(file_path)
+# scores=analyze_sentiment(df)
+# print(scores)
+
+# 测试
+test_words = ['4']
+s = analyze_sentiment(test_words)
+print(s)
\ No newline at end of file