이 함수는 ai.analyze_sentiment 생성 AI를 사용하여 입력 텍스트로 표현된 감정 상태를 감지합니다. 한 줄의 코드만 사용합니다. 입력 텍스트의 감정 상태가 양수, 음수, 혼합 또는 중립인지 여부를 감지할 수 있습니다. 함수가 감정을 확인할 수 없는 경우 출력은 비워 둡니다.
AI 함수는 Microsoft Fabric에서 큰 언어 모델의 기능을 사용하여 데이터 엔지니어링을 향상시킵니다. 자세한 내용은 이 개요 문서를 참조하세요.
중요하다
이 기능은 패브릭 런타임 1.3 이상에서 사용하기 위해 미리 보기로 제공됩니다.
pandas와 함께 ai.analyze_sentiment 사용
ai.analyze_sentiment 함수는 pandas Series 클래스를 확장합니다. 각 입력 행의 감정을 감지하려면 pandas DataFrame 텍스트 열에서 함수를 호출합니다.
이 함수는 DataFrame의 새 열에 저장할 수 있는 감정 레이블이 포함된 pandas Series를 반환합니다.
통사론
df["sentiment"] = df["text"].ai.analyze_sentiment()
매개 변수
없음
반환
이 함수는 각 입력 텍스트 행에 대한 감정 레이블이 포함된 pandas Series 반환합니다. 감정 레이블에는 positive, negativeneutral또는 mixed. 감정을 확인할 수 없는 경우 반환 값은 null.
본보기
# This code uses AI. Always review output for mistakes.
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/.
df = pd.DataFrame([
"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."
], columns=["reviews"])
df["sentiment"] = df["reviews"].ai.analyze_sentiment()
display(df)
PySpark에서 ai.analyze_sentiment 사용
ai.analyze_sentiment 함수는 Spark DataFrames에서 또한 사용할 수 있습니다. 기존 입력 열의 이름을 매개 변수로 지정해야 합니다.
이 함수는 출력 열에 저장된 각 입력 텍스트 행에 대한 감정 레이블이 있는 새 DataFrame을 반환합니다.
통사론
df.ai.analyze_sentiment(input_col="text", output_col="sentiment")
매개 변수
| 이름 | Description |
|---|---|
input_col 필수 |
감정에 대해 분석할 입력 텍스트 값이 있는 기존 열의 이름을 포함하는 문자열 입니다. |
output_col 선택적 |
입력 텍스트의 각 행에 대한 감정 레이블을 저장할 새 열의 이름을 포함하는 문자열. 이 매개 변수를 설정하지 않으면 출력 열에 대한 기본 이름이 생성됩니다. |
error_col 선택적 |
입력 텍스트의 각 행을 처리하여 발생하는 OpenAI 오류를 저장할 새 열의 이름을 포함하는 문자열. 이 매개 변수를 설정하지 않으면 오류 열에 대한 기본 이름이 생성됩니다. 입력 행에 오류가 없으면 이 열의 값이 null. |
반환
이 함수는 입력 열의 각 텍스트 행과 일치하는 감정 레이블이 포함된 새 열을 포함하는 Spark DataFrame 을 반환합니다. 감정 레이블에는 positive, negativeneutral또는 mixed. 감정을 확인할 수 없는 경우 반환 값은 null.
본보기
# 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)
관련 콘텐츠
-
ai.similarity사용하여 유사성을 계산합니다. -
ai.classify사용하여 텍스트를 분류합니다. -
ai_extract를 사용하여 엔터티를 추출합니다. -
ai.fix_grammar사용하여 문법을 수정합니다. -
ai.summarize사용하여 텍스트를 요약합니다. -
ai.translate이 있는 텍스트를 번역합니다. -
ai.generate_response사용하여 사용자 지정 사용자 프롬프트에 응답합니다. - 전체 AI 함수 집합에 대해 자세히 알아봅니다.
- AI 함수의 구성을 사용자 지정합니다.
- 필요한 기능을 누락했나요? 패브릭 아이디어 포럼제안하세요.