情感分析节点#

使用情感分析节点分析输入文本数据的情感。

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。

节点参数#

要分析的文本 定义用于情感分析的输入文本。这是一个引用输入项目字段的表达式。例如，如果输入来自聊天或消息源，可以是{{ $json.chatInput }}。默认情况下，它期望一个text字段。

情感分类：定义您要将输入分类到的类别。
- 默认情况下，这些是正面，中性，负面。您可以自定义这些类别以适应您的特定用例，例如非常正面，正面，中性，负面，非常负面以进行更细致的分析。
包含详细结果：启用后，此选项在输出中包含情感强度和置信度分数。请注意，这些分数是语言模型生成的估值，是粗略的指标而非精确的测量值。
系统提示模板：使用此选项更改用于情感分析的系统提示。它使用{categories}占位符表示类别。
启用自动修复：启用后，节点会自动修复模型输出以确保它们符合预期格式。通过将架构解析错误发送给LLM并要求其修复来实现。

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，在多次运行中提供更一致和可靠的情感分析。

节点的性能可能因输入文本的语言而有所不同。

为获得最佳结果，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，考虑将输入分割成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，您可能需要迭代改进系统提示和类别以获得所需的结果。