Classificazione opinione

Torna alla versione inglese della documentazione

Ultimo aggiornamento: 23 lug 2024

Classificazione opinione

I modelli di classificazione Watson Natural Language Processing Sentiment classificano l'opinione del testo di input.

Lingue supportate

La classificazione delle opinioni è disponibile per le seguenti lingue. Per un elenco dei codici lingua e della lingua corrispondente, consultare Codici lingua.

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

Parere

L'opinione del testo può essere positiva, negativa o neutra.

Il modello di opinione calcola le opinioni per ogni frase nel documento di input. L'opinione aggregata per l'intero documento viene calcolata anche utilizzando il flusso di lavoro di trasformazione dell'opinione.

Le classificazioni restituite contengono una probabilità. Il punteggio del sentiment varia da -1 a 1. Un punteggio maggiore di 0 indica un'opinione positiva, un punteggio inferiore a 0 un'opinione negativa e un punteggio pari a 0 un'opinione neutra.

Flussi di lavoro di opinione della frase

Nomi flusso di lavoro

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

Il flusso di lavoro sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled può essere utilizzato sia su CPU che su GPU.

Il flusso di lavoro sentiment-aggregated_transformer-workflow_multilingual_slate.153m.distilled-cpu è ottimizzato per i runtime basati sulla CPU.

Esempio di codice utilizzando il flusso di lavoro 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)

Output dell'esempio di codice

{
  "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"
  }
}

Estrazione opinioni destinazioni

L'estrazione delle opinioni degli obiettivi estrae i sentimenti espressi nel testo e identifica gli obiettivi di questi sentimenti.

Può gestire più obiettivi con opinioni differenti in una frase in contrapposizione al blocco di opinioni descritto sopra.

Ad esempio, data la frase di input Il cibo servito era delizioso, ma il servizio era lento., Il blocco di sentiment degli obiettivi identifica che c'è un sentiment positivo espresso nel target "food" e un sentiment negativo espresso in "service".

Il modello è stato ottimizzato solo sui dati inglesi. Sebbene sia possibile utilizzare il modello nelle altre lingue elencate in Lingue supportate, i risultati potrebbero variare.

Flussi di lavoro delle opinioni delle destinazioni

Nomi flusso di lavoro

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

Il flusso di lavoro targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled può essere utilizzato sia su CPU che su GPU.

Il flusso di lavoro targets-sentiment_transformer-workflow_multilingual_slate.153m.distilled-cpu è ottimizzato per i runtime basati sulla CPU.

Esempio di codice per il workflow 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)

Output dell'esempio di codice

{
  "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"
  }
}

Argomento principale: Watson Natural Language Processing task catalog