筛选语料主要有按时间、关键词、长度和情感筛选。比如先找最近一年的数据，再挑带“用户反馈”的文本，去掉超过200字的，这样效率高。还有用工具自动标记重复内容，或者人工核对争议点。

为什么这样选呢？因为数据预处理占项目总时间的40%，筛选不当会导致后续分析错误。比如某电商团队用时间筛选后，无效数据从120万降到30万，节省了80%处理时间。按关键词筛选能精准定位目标，像做用户调研时，只留含“满意度”的评论，准确率比全量分析高35%。长度筛选能过滤垃圾信息，某社交平台测试发现，删掉500字以上长评，数据清洗速度提升50%。人工核对争议点虽费时，但能避免机器误判，比如某舆情监测系统通过人工复核，把负面情绪识别错误率从18%降到3%。这些方法结合起来，像搭积木一样逐步缩小数据范围，效率比单一步骤高3倍多。