PySpark ile ai.analyze_sentiment kullanma

İşlev, ai.analyze_sentiment tek bir kod satırıyla giriş metninin duygusal durumunu algılamak için üretken yapay zeka kullanır. Girişin duygusal durumunun pozitif, negatif, karışık veya nötr olup olmadığını algılayabilir. Ayrıca, belirtilen etiketlerinize göre duygusal durumu algılayabilir. Fonksiyon duygu durumunu belirleyemezse, çıktıyı boş bırakır.

Uyarı

• Bu makale, PySpark ile ai.analyze_sentiment kullanmayı kapsar. pandas ile ai.analyze_sentiment kullanmak için bu makaleye bakın.
• Bu genel bakış makalesinde diğer yapay zeka işlevlerine bakın.
• Yapay zeka işlevlerinin yapılandırmasını özelleştirmeyi öğrenin.

Genel Bakış

ai.analyze_sentiment İşlev, Spark DataFrames için kullanılabilir. Var olan bir giriş sütununun adını parametre olarak belirtmeniz gerekir.

İşlev, her giriş metin satırı için yaklaşım etiketlerinin bir çıkış sütununda depolandığı yeni bir DataFrame döndürür.

Sözdizimi

# Default sentiment labels
df.ai.analyze_sentiment(input_col="input", output_col="sentiment")

# Custom sentiment labels
df.ai.analyze_sentiment(input_col="input", output_col="sentiment", labels=["happy", "angry", "indifferent"])

Parametreler

İsim	Description
input_col Gerekli	Yaklaşım analizi için giriş metin değerlerine sahip mevcut bir sütunun adını içeren dize .
output_col Opsiyonel	Her bir giriş metni satırının duygu etiketini depolamak üzere yeni bir sütunun adını içeren bir dizesi. Bu parametreyi ayarlamazsanız, çıkış sütunu için varsayılan bir ad oluşturur.
labels Opsiyonel	Giriş metin değerleriyle eşleşecek yaklaşım etiketleri kümesini temsil eden bir veya daha fazla dize .
error_col Opsiyonel	Giriş metninin her satırının işlenmesinden kaynaklanan OpenAI hatalarını depolamak için yeni sütunun adını içeren bir dizesi. Bu parametreyi ayarlamazsanız hata sütunu için varsayılan bir ad oluşturur. Giriş satırında hata yoksa, bu sütundaki değer nullolur.

İade

İşlev, giriş sütunundaki her metin satırıyla eşleşen yaklaşım etiketleri içeren yeni bir sütun içeren bir Spark DataFrame döndürür. Varsayılan yaklaşım etiketleri , positive, negativeveya neutraletiketlerini içerirmixed. Özel etiketler belirtilirse, bunun yerine bu etiketler kullanılır. Duygu belirlenemezse, dönüş değeri nullolarak döndürülür.

Example

# This code uses AI. Always review output for mistakes.

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)

Bu örnek kod hücresi aşağıdaki çıkışı sağlar:

İlgili içerik

• ai.analyze_sentiment ile pandas kullanın.

• ai.classifyile metni kategorilere ayırın.

• ai.embed ile vektör eklemeleri oluşturun.

• ai_extractile varlıkları ayrıştırın.

• ai.fix_grammarile dilbilgisini düzelt.

• ai.generate_responseile özel kullanıcı istemlerini yanıtlayın.

• ai.similarityile benzerliği hesaplayın.

• ai.summarizeile metni özetleyin.

• ai.translateile metni çevirin.

• Yapay zeka işlevlerinin tamamı hakkında daha fazla bilgi edinin.

• Yapay zeka işlevlerinin yapılandırmasını özelleştirin.

• İhtiyacınız olan bir özelliği kaçırdık mı? Fabric Fikirleri forumu'nda önerin.