Analisis sentimen untuk data chat

Analisis sentimen adalah fitur yang menganalisis pesan selama percakapan antara agen manusia dan pengguna akhir untuk menentukan niat emosional. Anda dapat mengaktifkannya selama pembuatan atau pengeditan profil percakapan. Jika mengedit profil percakapan yang ada, Anda hanya akan melihat efek dalam percakapan setelah profil percakapan diperbarui. Anda juga memiliki opsi untuk mengaktifkan analisis sentimen saat membuat profil percakapan menggunakan konsol Agent Assist.

  1. Tetapkan enableSentimentAnalysis ke true di MessageAnalysisConfig.
  2. Kirim permintaan createConversation menggunakan ConversationProfile dengan fitur ini diaktifkan.
  3. Hasil sentimen ditampilkan dalam AnalyzeContentResponse.message.sentimentAnalysis.
  4. Jika Anda telah mengaktifkan integrasi Cloud Pub/Sub di Agent Assist, hasil sentimen juga akan muncul di NewMessagePayload.

Menafsirkan hasil analisis sentimen

Sentimen diwakili oleh nilai score dan magnitude, metrik yang ditampilkan dalam respons. score sentimen berkisar antara -1,0 (negatif) dan 1,0 (positif) dan sesuai dengan keseluruhan kecenderungan emosional teks. Nilai magnitude menunjukkan kekuatan emosi secara keseluruhan (baik positif maupun negatif) dalam teks yang diberikan, antara 0.0 dan +inf. Untuk informasi selengkapnya tentang cara menafsirkan metrik ini, lihat Dokumentasi analisis sentimen Natural Language.

Berikut adalah dua contoh output analisis sentimen dari fitur demo Natural Language API. Untuk menggunakan demo guna menguji analisis sentimen pada contoh teks: Tempelkan teks ke dalam kotak teks, klik ANALISIS, lalu pilih tab Sentimen.

Contoh 1

Teks: "Saya tidak senang".

score yang ditampilkan adalah -0,9, dan magnitude adalah 0,9. Hal ini menunjukkan kecenderungan emosional negatif yang sangat kuat, dengan kekuatan emosional yang rendah hingga sedang.

Contoh 2

Teks: "Google Cloud adalah layanan cloud dari Google."

Nilai yang ditampilkan dari score dan magnitude adalah 0, yang berarti bahwa teks tidak menunjukkan emosi atau kekuatan perasaan apa pun.

Contoh 3

Teks: "Saya sangat marah dan kecewa dengan hasilnya. Di sisi lain, saya senang melihat tim kami bekerja sangat keras dan menunjukkan sikap profesional."

Tidak seperti Contoh 1, teks ini berisi dua kalimat. Output-nya mencakup metrik Seluruh dokumen serta metrik untuk setiap kalimat. Seluruh nilai dokumen mewakili metrik dari kedua kalimat yang digabungkan, bukan salah satu kalimat. Setiap kalimat juga dicantumkan dengan nilai magnitude dan score yang sesuai.

score sentimen yang ditampilkan untuk seluruh dokumen adalah 0, sedangkan magnitude adalah 1,6. score 0 dalam dokumen multi-kalimat dapat berarti bahwa dokumen tersebut benar-benar netral secara emosional, atau bahwa kecenderungan emosional positif dan negatif di berbagai titik dalam teks saling meniadakan. Teks dengan sentimen yang benar-benar netral juga akan memiliki magnitude yang sama dengan atau mendekati 0. Dalam hal ini, magnitude 1,6 yang relatif tinggi berarti bahwa sentimen dari dua kalimat tidak benar-benar netral, tetapi campuran (misalnya marah, kecewa, dan senang pada berbagai titik dalam teks). Melihat nilai score untuk setiap kalimat, satu kalimat sangat positif (0,8) dan yang lainnya sangat negatif (-0,8), yang menyebabkan score seluruh dokumen rata-rata menjadi 0.