Extraktion von Stimmungen

Bemerkung

AI_SENTIMENT ist die aktualisierte Version von ENTITY_SENTIMENT (SNOWFLAKE.CORTEX). Die neueste Funktionalität finden Sie unter AI_SENTIMENT.

Die Funktion AI_SENTIMENT bietet eine hochmoderne, hochwertige Stimmungsklassifizierung über verschiedene Regionen und Sprachen hinweg. Mit AI_SENTIMENT erhalten Sie sowohl eine allgemeine als auch eine detaillierte, aspektbasierte Stimmungsanalyse für Anwendungsfälle wie die folgenden:

  • Social Media-Überwachung

  • Detaillierte Produktanalyse

  • Umfassende Studien zur Markenwahrnehmung

  • Erweiterte Marktintelligenz

  • Analyse des Mitarbeiterengagements

  • Zuordnung von Kundenerfahrungen

  • Analyse der Performance von Inhalten

  • Optimierung des Kundensupports

Qualität der Extraktion von Stimmungen

AI_SENTIMENT verwendet ein kundenspezifisches Large Language Model von Snowflake, das eine branchenführende Genauigkeit bezüglich der Gesamtstimmung und der aspektbasierten Stimmung liefert. Die folgende Tabelle bietet Informationen zur Leistung von AI_SENTIMENT bei den Benchmarks „Overall Sentiment“ und „Aspect Based Sentiment“ (ABSA-mix) im Vergleich zu gängigen Modellen. Die in der mehrsprachigen Benchmark bewerteten Sprachen sind Englisch, Spanisch, Französisch, Deutsch, Hindi, Italienisch und Portugiesisch.

Bemerkung

Einige der verglichenen Modelle sind in Snowflake Cortex nicht verfügbar.


Modell
Aspektbasierte Stimmung
Genauigkeit (ABSA-mix)
Aspektbasierte Stimmung
Genauigkeit (ABSA-multilingual)
Gesamtstimmung
Genauigkeit
Gesamtstimmung
Genauigkeit (mehrsprachig)

Cortex AI AI_SENTIMENT

0,92

0,81

0,83

0,83

claude-4-sonnet

0,84

0,79

0,75

0,82

mistral-large2

0,83

0,80

0,77

0,78

openai-gpt-4.1

0,83

0,73

0,80

0,78

llama4-scout

0,82

0,79

0,71

0,76

llama3.3-70b

0,82

0,79

0,71

0,76

AWS-DetectSentiment

0,62

0,64

Aufrufen der Funktion AI_SENTIMENT

Standardmäßig gibt Cortex AI_SENTIMENT gibt Scores für die Gesamtstimmung für den gesamten Inhalt zurück. Allerdings kann AI_SENTIMENT auch eine Bandbreite von Kundenmeinungen erfassen, die über die allgemeinen positiven, negativen und neutralen Buckets hinausgehen. Für diese optionale aspektbasierte Stimmungsanalyse geben Sie den Inhalt (z. B. einen Kundenkommentar oder eine Bewertung) und die Aspekte (auch Entitäten oder Kategorien genannt) an, für die Sie die Stimmung analysieren möchten. AI_SENTIMENT gibt die Stimmung für jede Entität sowie eine Gesamtstimmung zurück. Um nur die Gesamtstimmung zu erhalten, geben Sie den Inhalt ohne Aspekte an.

Beispiele für Englisch

Im folgenden Beispiel wird AI_SENTIMENT verwendet, um die Stimmungsklassifizierung einer Produktbewertung zu erhalten.

SELECT AI_SENTIMENT('I went to the store, bought the leggings and exact same as shorts...
  they are expensive but i heard such great things. After wearing them twice i noticed a string popping out already.
  And aince i believed that they were this amazing luxury brand i didnt keep the receipt 😭 ');
Copy

Rückgabewert:

{
  "categories": [
    {
      "name": "overall",
      "sentiment": "mixed"
    }
  ]
}

Im folgenden Beispiel wird AI_SENTIMENT verwendet, um die Stimmungsklassifizierung für bestimmte Aspekte einer Restaurantbewertung zu erhalten.

SELECT AI_SENTIMENT('A tourist\'s delight, in low urban light,
  Recommended gem, a pizza night sight. Swift arrival, a pleasure so right,
  Yet, pockets felt lighter, a slight pricey bite. 💰🍕🚀',
  ['Cost', 'Quality' ,'Wait Time']);
Copy

Rückgabewert:

{
  "categories": [
    {
      "name": "overall",
      "sentiment": "mixed"
    },
    {
      "name": "Cost",
      "sentiment": "negative"
    },
    {
      "name": "Quality",
      "sentiment": "positive"
    },
    {
      "name": "Wait Time",
      "sentiment": "positive"
    }
  ]
}

Wenn einige von Ihnen angegebene Aspekte nicht auf den von Ihnen bereitgestellten Text zutreffen, gibt AI_SENTIMENT für diese Aspekte „unknown“ zurück, wie im folgenden Beispiel für „Professionalism“ und „Brand“ gezeigt.

SELECT AI_SENTIMENT('A tourist\'s delight, in low urban light,
  Recommended gem, a pizza night sight. Swift arrival, a pleasure so right,
  Yet, pockets felt lighter, a slight pricey bite. 💰🍕🚀',
  ['Cost', 'Professionalism' ,'Brand']);
Copy

Rückgabewert:

{
  "categories": [
    {
      "name": "overall",
      "sentiment": "mixed"
    },
    {
      "name": "Brand",
      "sentiment": "unknown"
    },
    {
      "name": "Cost",
      "sentiment": "negative"
    },
    {
      "name": "Professionalism",
      "sentiment": "unknown"
    }
  ]
}

Mehrsprachige Beispiele

Wie die folgenden zwei ähnlichen Beispiele zeigen, kann AI_SENTIMENT die Stimmung in mehreren Sprachen analysieren, sodass Sie den Text nicht übersetzen müssen und damit das Risiko eingehen, einen wesentlichen Teil seiner Bedeutung zu verlieren. Sie müssen die Sprache des Textes nicht angeben. Aspekte können in der Sprache des Textes angegeben werden, wie im folgenden Beispiel gezeigt, oder in Englisch, wie im zweiten Beispiel gezeigt.

Bemerkung

AI_SENTIMENT unterstützt Englisch, Französisch, Deutsch, Hindi, Italienisch, Spanisch und Portugiesisch.

Beispiel mit Text und Bezeichnungen auf Spanisch:

SELECT AI_SENTIMENT ('Pedí dos pares del mismo modelo en diferentes colores.
    Uno tenía defectos en la costura y el cuero se veía de menor calidad.
    Por 350€ el par, esto es inaceptable. El servicio al cliente tardó una
    semana en responder y la solución no fue satisfactoria. Es una pena porque
    cuando están bien hechos, son zapatos hermosos. Pero la inconsistencia en la
    calidad es preocupante.', ['Calidad', 'Calidad de Servicio,' 'Precio', 'Tiempo de Espera']);
Copy

Rückgabewert:

{
  "categories": [
    {
      "name": "overall",
      "sentiment": "negative"
    },
    {
      "name": "Calidad",
      "sentiment": "negative"
    },
    {
      "name": "Calidad de Servicio",
      "sentiment": "negative"
    },
    {
      "name": "Precio",
      "sentiment": "negative"
    },
    {
      "name": "Tiempo de Espera",
      "sentiment": "negative"
    }
  ]
}

Beispiel mit Text auf Deutsch und Bezeichnungen auf Englisch:

SELECT AI_SENTIMENT ('Die Schuhe selbst sind wirklich schön und gut verarbeitet.
    Das Leder ist weich und die Passform stimmt. Allerdings gab es erhebliche
    Verzögerungen bei der Lieferung - statt der versprochenen 5 Tage hat es 3
    Wochen gedauert. Der Kundenservice war freundlich, aber nicht sehr hilfreich.
    Für 320€ erwarte ich besseren Service. Die Schuhe sind in Ordnung, aber das
    Gesamterlebnis war mittelmäßig', ['Quality', 'Price', 'Service', 'WaitTime']);
Copy

Rückgabewert:

{
  "categories": [
    {
      "name": "overall",
      "sentiment": "mixed"
    },
    {
      "name": "Price",
      "sentiment": "neutral"
    },
    {
      "name": "Quality",
      "sentiment": "positive"
    },
    {
      "name": "Service",
      "sentiment": "neutral"
    },
    {
      "name": "WaitTime",
      "sentiment": "negative"
    }
  ]
}

Modelleinschränkungen

Alle Large Language Models (LLMs), die in Snowflake Cortex AI verfügbar sind, haben eine Beschränkung bei der Gesamtzahl der Eingabe- und Ausgabe-Token, die als Kontextfenster des Modells bezeichnet werden.

Das Kontextfenster für AI_SENTIMENT ist so eingestellt, dass das Modell ein hohes Maß an Genauigkeit aufrechterhalten kann. AI_SENTIMENT wurde für Texteingaben mit 2.048 Token (ca. 1.600 Wörter) trainiert und optimiert. Sie können maximal zehn Aspekte angeben, von denen jeder nicht länger als 30 Zeichen ist.

Funktion

Kontextfenster (Token)

Maximale Anzahl von Entitätsbezeichnungen

AI_SENTIMENT

2,048

10