Funktionen ai_analyze_sentiment
Gäller för: Databricks SQL
Databricks Runtime
Viktigt!
Den här funktionen finns som allmänt tillgänglig förhandsversion.
I förhandsversionen:
- Den underliggande språkmodellen kan hantera flera språk, men dessa funktioner är anpassade för engelska.
- Det finns hastighetsbegränsning för de underliggande FOUNDATION Model-API:erna. Se begränsningar för Foundation Model API:er för att uppdatera dessa gränser.
- En konservativ standardfrekvensgräns tillämpas på den här funktionen. Kontakta supporten för program med högt dataflöde.
Med ai_analyze_sentiment()
funktionen kan du anropa en toppmodern generativ AI-modell för att utföra attitydanalys på indatatext med SQL.
Krav
Viktigt!
De underliggande modeller som kan användas just nu är licensierade under Apache 2.0-licensen, Copyright © Apache Software Foundation eller LLAMA 3.3 Community License Copyright © Meta Platforms, Inc. Alla rättigheter reserverade. Kunderna ansvarar för att säkerställa efterlevnaden av tillämpliga modelllicenser.
Databricks rekommenderar att du granskar dessa licenser för att säkerställa efterlevnad av tillämpliga villkor. Om modeller dyker upp i framtiden som presterar bättre enligt Databricks interna riktmärken kan Databricks ändra modellen (och listan över tillämpliga licenser som tillhandahålls på den här sidan).
- Den här funktionen är endast tillgänglig på arbetsytor i AI Functions som använder Foundation Model-API:er som stöds.
- Den här funktionen är inte tillgänglig i Azure Databricks SQL Classic.
- Kontrollera prissättningssidan för Databricks SQL.
Kommentar
I Databricks Runtime 15.1 och senare stöds den här funktionen i Databricks-notebooks, inklusive notebook-filer som körs som en uppgift i ett Databricks-arbetsflöde.
Syntax
ai_analyze_sentiment(content)
Argument
-
content
: EttSTRING
uttryck, texten som ska analyseras.
Returer
En STRING
. Värdet väljs från 'positive'
, 'negative'
, 'neutral'
eller 'mixed'
. Returnerar null
om sentimentet inte kan identifieras.
Exempel
> SELECT ai_analyze_sentiment('I am happy');
positive
> SELECT ai_analyze_sentiment('I am sad');
negative