情绪分析节点
使用情感分析节点来分析传入文本数据的情感。
语言模型使用节点选项中的
情感类别来确定每个项目的情感。节点参数
- 待分析文本定义了用于情绪分析的输入文本。这是一个引用输入项中字段的表达式。例如，如果输入来自聊天或消息源，则可能如此。默认情况下，它需要一个字段。
节点选项
- 情绪类别：定义您想要将输入归类为的类别。
- 默认情况下，这些类别为
- 。您可以自定义这些类别以适应您的特定用例，例如
- 进行更精细的分析。
- 包含详细结果：启用此选项后，输出中会包含情感强度和置信度分数。请注意，这些分数是由语言模型生成的估计值，是粗略指标，而非精确测量值。
- 系统提示模板：使用此选项可更改用于情绪分析的系统提示。它使用类别的占位符。
- 启用自动修复：启用后，节点会自动修复模型输出，以确保其符合预期格式。具体方法是将模式解析错误发送给 LLM，并请求其修复。
使用说明
模型温度设定
强烈建议将连接语言模型的温度设置为 0 或接近 0 的值。这有助于确保结果尽可能确定，从而在多次运行中提供更一致、更可靠的情绪分析。
语言考虑
节点的性能可能因输入文本的语言而异。
为了获得最佳效果，请确保您选择的语言模型支持输入语言。
处理大量数据
分析大量文本时，请考虑将输入分成更小的块，以优化处理时间和资源使用。
迭代细化
对于复杂的情感分析任务，可能需要反复细化系统提示和类别才能达到预期的结果。
示例用法
基本情绪分析
- 将数据源（例如，RSS 提要、HTTP 请求）连接到情绪分析节点。
- 将“要分析的文本”字段设置为相关项目属性（例如，博客文章内容）。
- 保留默认的情绪类别。
- 将节点的输出连接到单独的路径，以不同方式处理积极、中性和消极情绪。
自定义类别分析
- 将情绪类别更改为。
- 调整您的工作流程来处理这五个输出类别。
- 使用此设置可以以更细致的情感类别分析客户反馈。
相关资源
查看 n8n 的
高级 AI文档。人工智能词汇表
- 完成：完成是由 GPT 等模型生成的响应。
- 幻觉：人工智能中的幻觉是指 LLM（大型语言模型）错误地感知到不存在的模式或物体。
- 向量数据库：向量数据库存储信息的数学表示。与嵌入和检索器一起使用，可以创建一个供您的 AI 在回答问题时访问的数据库。
- 向量存储：向量存储，或称向量数据库，用于存储信息的数学表示。与嵌入和检索器结合使用，可以创建一个供 AI 在回答问题时访问的数据库。