该 ai.analyze_sentiment 函数使用生成 AI 来检测输入文本的情感状态，只需一行代码即可。 它可以检测输入的情绪状态是正、负、混合还是中性。 它还可以根据指定的标签检测情绪状态。 如果函数无法确定情绪，它将输出留空。
注释
概述
该 ai.analyze_sentiment 函数可用于 Spark 数据帧。 必须将现有输入列的名称指定为参数。
该函数返回一个新的 DataFrame，其中包含输出列中存储的每个输入文本行的情绪标签。
Syntax
# 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"])
参数
| Name | Description |
|---|---|
input_col 必选 |
一个 字符串 ，其中包含用于分析情绪的输入文本值的现有列的名称。 |
output_col 可选 |
一个 字符串，其中包含用于存储每行输入文本的情绪标签的新列的名称。 如果未设置此参数，则为输出列生成默认名称。 |
labels 可选 |
一个或多个表示要与输入文本值匹配的情绪标签集的 字符串 。 |
error_col 可选 |
一个 字符串，其中包含新列的名称，用于存储因处理每行输入文本而导致的任何 OpenAI 错误。 如果未设置此参数，则为错误列生成默认名称。 如果输入行没有错误，则此列中的值 null。 |
退货
该函数返回一个 Spark 数据帧 ，其中包含一个新列，其中包含与输入列中每行文本匹配的情绪标签。 默认情绪标签包括positive、negative或neutralmixed。 如果指定了自定义标签，则改用这些标签。 如果无法确定情绪，则返回值 null。
Example
# 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)
此示例代码单元提供以下输出：
相关内容
使用
ai.classify对文本进行分类。使用
ai_extract提取实体。使用
ai.fix_grammar修复语法。使用
ai.generate_response回答自定义用户提示。使用
ai.similarity计算相似性。用
ai.summarize汇总文本。使用
ai.translate翻译文本。详细了解 完整的 AI 函数集。
自定义 AI 函数的配置。
我们错过了所需的功能吗？ 在面料创意论坛上提出建议。