情感分析节点#

使用情感分析节点来分析传入文本数据的情感倾向。

语言模型使用节点选项中的情感分类来确定每个项目的情感倾向。

节点参数#

待分析文本 定义了情感分析的输入文本。这是一个引用输入项中字段的表达式。例如，如果输入来自聊天或消息源，则可能是 {{ $json.chatInput }}。默认情况下，它需要一个 text 字段。

Sentiment Categories: Define the categories that you want to classify your input as.
- 默认情况下，这些类别为Positive, Neutral, Negative。您可以根据具体使用场景自定义这些类别，例如使用Very Positive, Positive, Neutral, Negative, Very Negative进行更细粒度的分析。
包含详细结果: 启用此选项后，输出中将包含情感强度值和置信度分数。请注意，这些分数是由语言模型生成的估计值，属于粗略指标而非精确测量。
系统提示模板: 使用此选项可更改用于情感分析的系统提示。它使用{categories}占位符来表示类别。
启用自动修复: 启用后，节点会自动修复模型输出以确保符合预期格式。具体方式是将模式解析错误发送给LLM并要求其修复。

强烈建议将连接的语言模型的温度设置为0或接近0的值。这有助于确保结果尽可能具有确定性，从而在多次运行中提供更一致、更可靠的情感分析。

节点的性能可能会因输入文本的语言而异。

为了获得最佳效果，请确保您选择的语言模型支持输入语言。

在分析大量文本时，建议将输入拆分为较小的块，以优化处理时间和资源使用。

对于复杂的情感分析任务，您可能需要迭代优化系统提示和分类类别以获得预期结果。

查看n8n的高级AI文档。