Dela via

Funktionen ai_analyze_sentiment

  • Artikel

Gäller för:markerad ja Databricks SQL markerad ja 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 Foundation Model-API:er för att uppdatera dessa gränser.
  • På grund av hastighetsbegränsning är den här funktionen utformad för testning på små datauppsättningar som har mindre än 100 rader. För användningsfall med över 100 rader data rekommenderar Databricks att du använder ai_query och en etablerad dataflödesslutpunkt. Se Utföra batch-LLM-slutsatsdragning med hjälp av ai_query.

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 3.1 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).

För närvarande är Meta-Llama-3.1-70B-Instruct den underliggande modellen som driver dessa AI-funktioner.

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: Ett STRING 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