本文為您介紹如何使用AI_SENTIMENT通過AI大模型進行情感分析。
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。 |
<INPUT COLUMN NAME> | 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）:
|
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',
'endpoint'='<YOUR ENDPOINT>',
'apiKey' = '<YOUR KEY>',
'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 |