AI_SENTIMENT函數通過指定模型服務和輸入列，利用Flink運算元實現情感分析，輸出情感分數、標籤及信賴度，但受限於模型平台的輸送量限制可能導致反壓或逾時報錯。 - Realtime Compute for Apache Flink

使用限制

僅Realtime Compute引擎VVR 11.4及以上版本支援。
AI_SENTIMENT語句相關的Flink運算元的輸送量受到模型平台限流的限制。當觸及平台允許的訪問資料傳輸量上限時，Flink作業會表現出以該運算元為瓶頸的反壓現象。在限流情況嚴重時，可能會觸發相關運算元的逾時報錯及作業重啟。

文法

AI_SENTIMENT(
  MODEL => MODEL <MODEL NAME>, 
  INPUT => <INPUT COLUMN NAME>
)

入參

參數

資料類型

說明

MODEL <MODEL NAME>

MODEL

註冊的模型服務名字。詳情請參見模型設定註冊模型服務。

注意：目前需要該模型的輸出類型為 VARIANT 類型。

STRING

模型的待分析資料。

輸出

參數	資料類型	說明
score	DOUBLE	模型判斷的情感分數（-1.0 到 1.0 之間）: -1.0：極度負面 -0.5：較為負面 -0.0：中性 0.5：較為正面 1.0 極度正面
label	STRING	情感標籤（positive/negative/neutral）
confidence	DOUBLE	模型輸出的信賴度

樣本

測試資料

id	movie_name	comment	actual_label
1	好東西	最愛小孩子猜聲音那段，算得上看過的電影裡相當浪漫的敘事了。很溫和也很有愛。	POSITIVE
2	水餃皇后	乏善可陳	NEGATIVE

測試語句

樣本SQL建立千問Qwen-Plus模型，使用AI_SENTIMENT函數對電影評論進行情感分類預測。

CREATE TEMPORARY MODEL general_model
INPUT (`input` STRING)
OUTPUT (`content` VARIANT)
WITH (
    'provider' = 'openai-compat',
    'task' = 'chat/completions',
    'model' = 'qwen-plus'
);

CREATE TEMPORARY VIEW movie_comment(id, movie_name,  user_comment, actual_label)
AS VALUES (1, '好東西', '最愛小孩子猜聲音那段，算得上看過的電影裡相當浪漫的敘事了。很溫和也很有愛。', 'positive'), (2, '水餃皇后', '乏善可陳', 'negative');

-- Use positional argument to call AI_SENTIMENT
SELECT id, movie_name, actual_label, score, label, confidence FROM movie_comment, 
LATERAL TABLE(
  AI_SENTIMENT(
    MODEL general_model, user_comment));
    
-- Use named argument to call AI_SENTIMENT
SELECT id, movie_name, actual_label, score, label, confidence FROM movie_comment, 
LATERAL TABLE(
  AI_SENTIMENT(
    MODEL => MODEL general_model, 
    INPUT => user_comment));

輸出結果

預測結果label 與實際結果actual_label一致。

id	movie_name	actual_label	score	label	confidence
1	好東西	positive	0.8	positive	0.95
2	水餃皇后	negative	-1.0	negative	0.95