SENTIMENT (SNOWFLAKE.CORTEX)¶
Snowflake Cortex AI 는 고객 설명이나 리뷰와 같은 텍스트 데이터에 대한 감성 분석을 쉽게 수행할 수 있는 함수를 제공하는 두 가지 작업별 함수를 제공합니다.
ENTITY_SENTIMENT 는 전체 및 세분화된 엔터티별 감성을 모두 전달합니다. 텍스트의 특정 측면에 대한 감성 분석이 필요하거나 긍정, 부정, 중립, 혼합 등 미묘한 감성을 식별해야 하는 사용 사례에 이상적입니다. 예:
자세한 제품 분석
종합적인 브랜드 인식 연구
고급 시장 인텔리전스
고객 경험 여정 매핑
SENTIMENT 는 부정 또는 긍정 정도를 식별하는 숫자 감성 점수를 반환합니다. 다음과 같이 세분화된 엔터티 수준 분석보다 속도와 비용 효율성을 우선시하는 사용 사례를 위해 설계되었습니다.
소셜 감성 모니터링 및 경고
대량의 고객 피드백 분류
내용 성능 스캔
감성 품질¶
ENTITY_SENTIMENT 는 업계 최고 수준의 측면 기반 및 전반적인 감성 정확도를 제공합니다. 다음 테이블은 Snowflake에서 제공하는 모델과 다른 널리 사용되는 모델 등 Aspect Based Sentiment(ABSA-mix) 및 Overall Sentiment 벤치마크에서 인기 모델의 성능에 대한 정보를 제공합니다.
함수 또는 모델
|
측면 기반 감성
정확도(ABSA-mix)
|
전반적인 감성 정확도
|
---|---|---|
Cortex AI |
0.91 |
0.86 |
|
0.84 |
0.72 |
|
0.83 |
0.77 |
|
0.82 |
0.73 |
|
0.81 |
0.72 |
|
0.77 |
0.79 |
Cortex AI |
해당 없음 |
0.71 |
팁
어떤 함수가 가장 적합한지 잘 모르겠다면 ENTITY_SENTIMENT 에서 시작하여 기준선을 설정하십시오. 그런 다음 SENTIMENT 에서 ENTITY_SENTIMENT 가 제공하는 추가 세분화 및 뉘앙스가 사용 사례에 필요한지 확인하십시오.
ENTITY_SENTIMENT¶
Cortex AI ENTITY_SENTIMENT 는 전반적인 긍정, 부정, 중립 버킷을 넘어 다양한 고객 의견을 수집합니다. 측면 기반 감성 분석의 경우, 감성 분석을 하려는 내용(예: 고객 설명 또는 리뷰)과 엔터티(측면 또는 카테고리)를 지정합니다. ENTITY_SENTIMENT 는 전체 감성 점수뿐만 아니라 각 엔터티에 대한 감성 점수를 반환합니다.
다음 예제는 ENTITY_SENTIMENT 를 사용하여 제품 리뷰의 감성 분류를 가져옵니다.
SELECT SNOWFLAKE.CORTEX.ENTITY_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', 'Waiting Time']);
응답:
{
"categories": [
{
"name": "overall",
"sentiment": "mixed"
},
{
"name": "Cost",
"sentiment": "negative"
},
{
"name": "Quality",
"sentiment": "positive"
},
{
"name": "Waiting Time",
"sentiment": "positive"
}
]
}
다음 예제는 제품 리뷰의 내용, 전문성 및 브랜드와 관련이 없는 엔터티를 ‘통과’하여 ‘알 수 없음’으로 분류합니다.
SELECT SNOWFLAKE.CORTEX.ENTITY_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']);
응답:
{
"categories": [
{
"name": "overall",
"sentiment": "mixed"
},
{
"name": "Brand",
"sentiment": "unknown"
},
{
"name": "Cost",
"sentiment": "negative"
},
{
"name": "Professionalism",
"sentiment": "unknown"
}
]
}
전체 감성어만 원하는 경우 분석 엔터티 없이 내용만 지정하십시오.
SELECT SNOWFLAKE.CORTEX.ENTITY_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 😭 ');
응답:
{
"categories": [
{
"name": "overall",
"sentiment": "mixed"
}
]
}
SENTIMENT¶
Cortex AI SENTIMENT 함수는 전반적인 감성을 -1.0~1.0 사이의 점수로 반환합니다. 1에 가까울수록 긍정적인 감성을 담고 있을 가능성이 높고, -1에 가까울수록 부정적인 감성을 담고 있을 가능성이 높습니다. 아래 차트는 감성 점수를 해석하는 방법에 대한 지침을 제공합니다.
감성 |
감성 점수 |
---|---|
긍정적 |
0.5~1 |
중립 |
-0.5~0.5 |
부정적 |
-0.5~-1 |
다음 예제에서는 SENTIMENT 를 사용하여 음식 서비스 리뷰의 감성 분류를 구하며, 확률 점수가 0.54이므로 긍정으로 유추할 수 있습니다.
SELECT SNOWFLAKE.CORTEX.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. 💰🍕🚀');
응답:
0.5424458
모델 제한 사항¶
Snowflake Cortex AI 에서 사용 가능한 모든 모델에는 총 입력 및 출력 토큰 수에 제한이 있으며, 이는 모델의 컨텍스트 윈도우 에서 확인할 수 있습니다.
ENTITY_SENTIMENT 의 컨텍스트 윈도우는 모델이 높은 수준의 정확도를 유지할 수 있도록 설정되어 있습니다. ENTITY_SENTIMENT 는 2,048개의 토큰(약 1,600단어)의 텍스트 입력에 최적화되어 있으며, 각각 30자 이하의 엔터티 카테고리를 최대 10개까지 전달할 수 있습니다.
참고
ENTITY_SENTIMENT 및 SENTIMENT 는 현재 영어에 최적화되어 있습니다.
함수 |
컨텍스트 윈도우(토큰) |
최대 엔터티 레이블 |
---|---|---|
ENTITY_SENTIMENT |
2,048 |
10 |
SENTIMENT |
512 |
해당 없음 |
리전 가용성¶
ENTITY_SENTIMENT 및 SENTIMENT 는 다음 리전에서 사용할 수 있습니다.
함수
(모델)
|
AWS US 서부 2
(오리건)
|
AWS US 동부 1
(북부 버지니아)
|
AWS 유럽 중부 1
(프랑크푸르트)
|
AWS 유럽 서부 1
(아일랜드)
|
AWS AP 동남부 2
(시드니)
|
AWS AP 북동부 1
(도쿄)
|
Azure 동부 US 2
(버지니아)
|
Azure 서유럽
(네덜란드)
|
AWS
(리전 간)
|
---|---|---|---|---|---|---|---|---|---|
ENTITY_SENTIMENT |
✔ |
✔ |
✔ |
✔ |
✔ |
✔ |
✔ |
||
SENTIMENT |
✔ |
✔ |
✔ |
✔ |
✔ |
✔ |
✔ |
✔ |
✔ |