Los modelos de clasificación de sentimiento de procesamiento de lenguaje natural de Watson clasifican el sentimiento del texto de entrada.
Idiomas soportados
La clasificación del sentimiento está disponible para los siguientes idiomas. Para obtener una lista de los códigos de idioma y el idioma correspondiente, consulte Códigos de idioma.
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
sentimiento
El sentimiento del texto puede ser positivo, negativo o neutral.
El modelo de opinión calcula la opinión para cada frase del documento de entrada. La opinión agregada para todo el documento también se calcula utilizando el flujo de trabajo del transformador de opinión.
Las clasificaciones devueltas contienen una probabilidad. La puntuación del sentimiento varía de -1 a 1. Una puntuación mayor que 0 indica una opinión positiva, una puntuación menor que 0 una opinión negativa y una puntuación de 0 una opinión neutral.
Flujos de trabajo de opinión de sentencia
Nombres de flujo de trabajo
sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilledsentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled-cpu
El flujo de trabajo sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled se puede utilizar tanto en CPU como en GPU.
El flujo de trabajo sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled-cpu está optimizado para tiempos de ejecución basados en CPU.
Ejemplo de código utilizando el flujo de trabajo sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled
# 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)
Ejemplo de salida de código:
{
"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"
}
}
Destino de extracción de opinión
La extracción de sentimientos de destino extrae los sentimientos expresados en texto e identifica los destinos de esos sentimientos.
Puede manejar varios destinos con diferentes opiniones en una frase en contraposición al bloque de opiniones descrito anteriormente.
Por ejemplo, dada la frase de entrada La comida servida era deliciosa, pero el servicio era lento., el bloque de sentimiento Targets identifica que hay un sentimiento positivo expresado en el objetivo "food", y un sentimiento negativo expresado en "service".
El modelo se ha ajustado sólo en inglés. Aunque puede utilizar el modelo en los otros idiomas listados en Idiomas soportados, los resultados pueden variar.
Destinos de flujos de trabajo de opinión
Nombres de flujo de trabajo
targets-sentiment_transformer-workflow_multilingual_slate.153m.distilledtargets-sentiment_transformer-workflow_multilingual_slate.153m.distilled-cpu
El flujo de trabajo targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled se puede utilizar tanto en CPU como en GPU.
El flujo de trabajo targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled-cpu está optimizado para tiempos de ejecución basados en CPU.
Ejemplo de código para el flujo de trabajo de targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled
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)
Ejemplo de salida de código:
{
"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"
}
}
Tema principal: Watson