情感分析的自动化评估方法有以下几种：

  1. 基于标注数据的评估方法：利用标注好的数据集进行模型评估，常用的评估指标有准确率、精确率、召回率、F1值等。标注数据集可以由人工标注或者众包平台获得。

  2. 交叉验证：将数据集划分为训练集和测试集，在训练集上训练模型，在测试集上评估模型的性能。常用的交叉验证方法有k折交叉验证和留一交叉验证。

  3. 混淆矩阵：通过统计真阳性、假阳性、真阴性和假阴性的数量，获取模型的评估指标。常见的评估指标有准确率、精确率、召回率、F1值等。

  4. ROC曲线：通过绘制真阳性率和假阳性率的曲线，可以直观地评估模型的分类性能。常见的评估指标有AUC值，AUC值越大，模型性能越好。

  5. 使用其他任务的评估指标：情感分析常常和其他任务结合，能够使用其他任务的评估指标进行评估。例如，可以使用情感分类任务的准确率作为情感分析模型的评估指标。

  需要注意的是，不同的评估方法适用于不同的情况和需求，选择恰当的评估方法可以更准确地评估模型的性能。此外，还需要根据具体任务和数据的特点来选择合适的评估指标。