Interpréter les résultats des prédictions à partir de modèles d'analyse des sentiments d'après un texte

À partir du 15 septembre 2024, vous ne pourrez personnaliser les objectifs de classification, d'extraction d'entités et d'analyse des sentiments qu'en passant aux requêtes et à l'ajustement Vertex AI Gemini. L'entraînement ou la mise à jour des modèles pour les objectifs de classification de texte, d'extraction d'entités et d'analyse des sentiments de Vertex AI AutoML ne seront plus disponibles. Vous pouvez continuer à utiliser les modèles Vertex AI AutoML Text existants jusqu'au 15 juin 2025. Pour obtenir une comparaison du texte AutoML et Gemini, consultez la page Gemini pour les utilisateurs de texte AutoML. Pour en savoir plus sur la façon dont Gemini offre une expérience utilisateur améliorée grâce à des fonctionnalités de requêtes améliorées, consultez Présentation du réglage. Pour commencer à utiliser le réglage, consultez la page Réglage des modèles pour les modèles textuels Gemini

Une fois que vous avez demandé une prédiction, Vertex AI renvoie les résultats en fonction de l'objectif du modèle. Les prédictions des modèles d'analyse des sentiments renvoient le sentiment général d'un document. Le sentiment est représenté par un entier compris entre 0 et le score de sentiment maximal du modèle qui peut être égal ou inférieur à 10. Le score de sentiment maximal d'un modèle est défini lors de l'entraînement. Par exemple, si un modèle a été entraîné sur un ensemble de données avec un score de sentiment maximal de 2, les scores de sentiment prédits peuvent être 0 (négatif), 1 (neutre) ou 2 (positif).

Exemple de résultat de prédiction par lot

L'exemple suivant est le résultat prédit pour un seul document. Comme le score de sentiment maximal du modèle est de 8, le sentiment prédit pour cet exemple est clairement positif.

{
  "instance": {"content": "gs://bucket/text.txt", "mimeType": "text/plain"},
  "prediction": {"sentiment": 8}
}

Get predictions