Identifiera sentiment med funktionen ai.analyze_sentiment

Funktionen ai.analyze_sentiment använder Generativ AI för att identifiera om det känslomässiga tillstånd som uttrycks av indatatext är positivt, negativt, blandat eller neutralt – allt med en enda kodrad. Om funktionen inte kan fastställa sentimentet lämnar den utdata tomma.

AI-funktioner turboladdar datateknik genom att lägga kraften i Fabrics inbyggda stora språkmodeller i dina händer. För att få mer information, besök översiktsartikeln.

Viktig

Den här funktionen finns i förhandsversion, för användning i Fabric 1.3 körning och senare.

• Granska förutsättningarna i den här översiktsartikeln, inklusive de biblioteksinstallationer som tillfälligt krävs för att använda AI-funktioner.
• Som standard drivs AI-funktioner för närvarande av modellen gpt-3.5-turbo (0125). Mer information om fakturerings- och förbrukningspriser finns i den här artikeln.
• Även om den underliggande modellen kan hantera flera språk är de flesta AI-funktionerna optimerade för användning på engelskspråkiga texter.
• Under den första distributionen av AI-funktioner begränsas användarna tillfälligt till 1 000 begäranden per minut med Fabrics inbyggda AI-slutpunkt.

Använd ai.analyze_sentiment med pandas

Funktionen ai.analyze_sentiment utökar klassen pandas Series. Anropa funktionen på pandas DataFrame textkolumn för att identifiera sentimentet för varje indatarad.

Funktionen returnerar en Pandas-serie som innehåller attitydetiketter som kan lagras i en ny kolumn i DataFrame.

Syntax

df["sentiment"] = df["text"].ai.analyze_sentiment()

Parametrar

Ingen

Returer

Funktionen returnerar en Pandas Series- som innehåller attitydetiketter för varje textrad. Varje attitydetikett är positive, negative, neutraleller mixed. Om en attityd inte kan fastställas är returvärdet null.

Exempel

# This code uses AI. Always review output for mistakes. 
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/

df = pd.DataFrame([
        "The cleaning spray permanently stained my beautiful kitchen counter. Never again!",
        "I used this sunscreen on my vacation to Florida, and I didn't get burned at all. Would recommend.",
        "I'm torn about this speaker system. The sound was high quality, though it didn't connect to my roommate's phone.",
        "The umbrella is OK, I guess."
    ], columns=["reviews"])

df["sentiment"] = df["reviews"].ai.analyze_sentiment()
display(df)

Använda ai.analyze_sentiment med PySpark

Funktionen ai.analyze_sentiment är också tillgänglig för Spark DataFrames. Namnet på en befintlig indatakolumn måste anges som en parameter.

Funktionen returnerar en ny DataFrame med sentimentetiketter för varje textrad som lagras i en utdatakolumn.

Syntax

df.ai.analyze_sentiment(input_col="text", output_col="sentiment")

Parametrar

Namn	Beskrivning
input_col Krävs	En sträng som innehåller namnet på en befintlig kolumn med indatatextvärden som ska analyseras för attityd.
output_col Valfri	En sträng som innehåller namnet på en ny kolumn för att lagra attitydetiketten för varje rad med indatatext. Om den här parametern inte har angetts genereras ett standardnamn för utdatakolumnen.
error_col Valfri	En sträng som innehåller namnet på en ny kolumn för att lagra eventuella OpenAI-fel som uppstår vid bearbetning av varje rad med indatatext. Om den här parametern inte har angetts genereras ett standardnamn för felkolumnen. Om en indatarad inte har några fel är värdet i den här kolumnen null.

Returer

En Spark DataFrame- med en ny kolumn som innehåller attitydetiketter som matchar varje textrad i indatakolumnen. Varje attitydetikett är positive, negative, neutraleller mixed. Om en attityd inte kan fastställas är returvärdet null.

Exempel

# This code uses AI. Always review output for mistakes. 
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/

df = spark.createDataFrame([
        ("The cleaning spray permanently stained my beautiful kitchen counter. Never again!",),
        ("I used this sunscreen on my vacation to Florida, and I didn't get burned at all. Would recommend.",),
        ("I'm torn about this speaker system. The sound was high quality, though it didn't connect to my roommate's phone.",),
        ("The umbrella is OK, I guess.",)
    ], ["reviews"])

sentiment = df.ai.analyze_sentiment(input_col="reviews", output_col="sentiment")
display(sentiment)

Relaterat innehåll

• Beräkna likheten med ai.similarity.
• Kategorisera text med ai.classify.
• Extrahera entiteter med ai_extract.
• Korrigera grammatik med ai.fix_grammar.
• Sammanfatta text med ai.summarize.
• Översätt text med ai.translate.
• Svara på anpassade användarfrågor med ai.generate_response.
• Läs mer om den fullständiga uppsättningen AI-funktioner här.
• Lär dig hur du anpassar konfigurationen av AI-funktioner här.
• Missade vi en funktion som du behöver? Föreslå det på Fabric Ideas-forumet.