Watson 自然语言处理观点分类模型对输入文本的观点进行分类。
受支持的语言
观点分类可用于以下语言。 有关语言代码和相应语言的列表，请参阅 语言代码。
ar ， cs ， da ， de ， en ， es ， fi ， fr ， he ， hi ， it ， ja ， ko ， nb ， nl ， nn ， pl ， pt ， ro ， ru ， sk ， sv ， tr ， zh-cn
情绪
文本的观点可以是正面的，负面的或中立的。
观点模型计算输入文档中每个句子的观点。 还会使用观点转换工作流程来计算整个文档的聚集观点。
返回的分类包含概率。 情感得分从 -1 到 1 不等。 大于 0 的分数表示正面观点，小于 0 的分数表示负面观点，而大于 0 的分数表示中立观点。
语句观点工作流程
工作流程名称
sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilledsentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled-cpu
可以在 CPU 和 GPU 上使用 sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled 工作流程。
针对基于 CPU 的运行时优化了 sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled-cpu 工作流程。
使用 sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled 工作流程的代码样本
# Load the Sentiment workflow
sentiment_model = watson_nlp.load('sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled-cpu')
# Run the sentiment model on the result of the syntax results
sentiment_result = sentiment_model.run('The rooms are nice. But the beds are not very comfortable.')
# Print the sentence sentiment results
print(sentiment_result)
代码样本的输出:
{
"document_sentiment": {
"score": -0.339735,
"label": "SENT_NEGATIVE",
"mixed": true,
"sentiment_mentions": [
{
"span": {
"begin": 0,
"end": 19,
"text": "The rooms are nice."
},
"sentimentprob": {
"positive": 0.9720447063446045,
"neutral": 0.011838269419968128,
"negative": 0.016117043793201447
}
},
{
"span": {
"begin": 20,
"end": 58,
"text": "But the beds are not very comfortable."
},
"sentimentprob": {
"positive": 0.0011594508541747928,
"neutral": 0.006315878126770258,
"negative": 0.9925248026847839
}
}
]
},
"targeted_sentiments": {
"targeted_sentiments": {},
"producer_id": {
"name": "Aggregated Sentiment Workflow",
"version": "0.0.1"
}
},
"producer_id": {
"name": "Aggregated Sentiment Workflow",
"version": "0.0.1"
}
}
目标观点提取
目标观点提取提取文本中表达的观点，并确定这些观点的目标。
它可以在一个语句中处理具有不同情绪的多个目标，而不是上面描述的情绪块。
例如，给定输入句子 所提供的食品是美味的，但服务是缓慢的。 "目标" 情绪块标识目标 "食品" 中表达了积极情绪， "服务" 中表达了消极情绪。
该模型仅针对英语数据进行了微调。 虽然您可以在 "支持的语言" 下列出的其他语言上使用模型，但结果可能有所不同。
目标观点工作流程
工作流程名称
targets-sentiment_transformer-workflow_multilingual_slate.153m.distilledtargets-sentiment_transformer-workflow_multilingual_slate.153m.distilled-cpu
可以在 CPU 和 GPU 上使用 targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled 工作流程。
针对基于 CPU 的运行时优化了 targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled-cpu 工作流程。
targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled 工作流程的代码样本
import watson_nlp
# Load Targets Sentiment model for English
targets_sentiment_model = watson_nlp.load('targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled')
# Run the targets sentiment model on the input text
targets_sentiments = targets_sentiment_model.run('The rooms are nice, but the bed was not very comfortable.')
# Print the targets with the associated sentiment
print(targets_sentiments)
代码样本的输出:
{
"targeted_sentiments": {
"rooms": {
"score": 0.990798830986023,
"label": "SENT_POSITIVE",
"mixed": false,
"sentiment_mentions": [
{
"span": {
"begin": 4,
"end": 9,
"text": "rooms"
},
"sentimentprob": {
"positive": 0.990798830986023,
"neutral": 0.0,
"negative": 0.00920116901397705
}
}
]
},
"bed": {
"score": -0.9920912981033325,
"label": "SENT_NEGATIVE",
"mixed": false,
"sentiment_mentions": [
{
"span": {
"begin": 28,
"end": 31,
"text": "bed"
},
"sentimentprob": {
"positive": 0.00790870189666748,
"neutral": 0.0,
"negative": 0.9920912981033325
}
}
]
}
},
"producer_id": {
"name": "Transformer-based Targets Sentiment Extraction Workflow",
"version": "0.0.1"
}
}