Klassifizierung der Stimmung

Zurück zur englischen Version der Dokumentation

Letzte Aktualisierung: 22. Juli 2024

Klassifizierung der Stimmung

Die Klassifikationsmodelle von Watson Natural Language Processing Sentiment klassifizieren die Stimmung des Eingabetexts.

Unterstützte Sprachen

Der Stimmungsklassifizierung ist für die folgenden Sprachen verfügbar: Eine Liste der Sprachcodes und der entsprechenden Sprache finden Sie in Sprachcodes.

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

Stimmung

Die Stimmung des Textes kann positiv, negativ oder neutral sein.

Das Stimmungsmodell berechnet die Stimmung für jeden Satz im Eingabedokument. Die aggregierte Stimmung für das gesamte Dokument wird auch mithilfe des Stimmungstransformatorworkflows berechnet.

Die zurückgegebenen Klassifizierungen enthalten eine Wahrscheinlichkeit. Der Stimmungsscore variiert von -1 bis 1. Eine Bewertung größer als 0 bezeichnet eine positive Stimmung, eine Bewertung kleiner als 0 eine negative Stimmung und eine Bewertung von 0 eine neutrale Stimmung.

Stimmungsworkflows für Sätze

Workflownamen

sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled
sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled-cpu

Der sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled -Workflow kann sowohl auf CPUs als auch auf GPUs verwendet werden.

Der Workflow sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled-cpu ist für CPU-basierte Laufzeiten optimiert.

Codebeispiel mit dem sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled -Workflow

# 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)

Ausgabe des Codebeispiels:

{
  "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"
  }
}

Zielmeinungsextraktion

Die Extraktion von Stimmungen für Ziele extrahiert Stimmungen, die im Text ausgedrückt werden, und identifiziert die Ziele dieser Stimmungen.

Im Gegensatz zum oben beschriebenen Stimmungsblock können mehrere Ziele mit unterschiedlichen Stimmungen in einem Satz verarbeitet werden.

Angenommen, der Eingabesatz Das servierte Essen war köstlich, aber der Service war langsam., Der Stimmungsblock 'Targets' (Ziele) gibt an, dass es eine positive Stimmung gibt, die im Ziel "food" ausgedrückt wird, und eine negative Stimmung, die in "service" ausgedrückt wird.

Das Modell wurde nur für englische Daten optimiert. Obwohl Sie das Modell in den anderen Sprachen verwenden können, die unter "Unterstützte Sprachen" aufgelistet sind, können die Ergebnisse variieren.

Zielt auf Stimmungsworkflows

Workflownamen

targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled
targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled-cpu

Der targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled -Workflow kann sowohl auf CPUs als auch auf GPUs verwendet werden.

Der Workflow targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled-cpu ist für CPU-basierte Laufzeiten optimiert.

Codebeispiel für den targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled -Workflow

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)

Ausgabe des Codebeispiels:

{
  "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"
  }
}

Übergeordnetes Thema: Watson Natural Language Processing-Taskkatalog