Interpretar los resultados de las predicciones de los modelos de análisis de sentimiento de textos

A partir del 15 de septiembre del 2024, solo podrás personalizar los objetivos de clasificación, extracción de entidades y análisis de sentimiento si te pasas a las peticiones y el ajuste de Gemini en Vertex AI. Ya no se podrán entrenar ni actualizar modelos de Vertex AI AutoML para la clasificación de texto, la extracción de entidades y el análisis de sentimiento. Puedes seguir usando los modelos de texto de Vertex AI AutoML que ya tengas hasta el 15 de junio del 2025. Para ver una comparación entre el texto de AutoML y Gemini, consulta Gemini para usuarios de texto de AutoML. Para obtener más información sobre cómo Gemini ofrece una experiencia de usuario mejorada gracias a sus funciones de peticiones optimizadas, consulta el artículo Introducción al ajuste. Para empezar a ajustar modelos, consulta Ajuste de modelos de texto de Gemini

.

Después de solicitar una predicción, Vertex AI devuelve resultados basados en el objetivo de tu modelo. Las predicciones de los modelos de análisis de sentimiento devuelven el sentimiento general de un documento. El sentimiento se representa con un número entero entre 0 y la puntuación máxima de sentimiento del modelo, que puede ser igual o inferior a 10. El valor máximo del sentimiento de un modelo se define durante el entrenamiento. Por ejemplo, si un modelo se ha entrenado con un conjunto de datos con una puntuación de sentimiento máxima de 2, las puntuaciones de sentimiento predichas pueden ser 0 (negativo), 1 (neutro) o 2 (positivo).

Ejemplo de resultado de predicción por lotes

El siguiente ejemplo es el resultado previsto para un solo documento. Como la puntuación máxima de sentimiento del modelo es 8, el sentimiento predicho para esta muestra es claramente positivo.

Nota: El siguiente ejemplo de JSON Lines incluye saltos de línea para facilitar la lectura. En los archivos JSON Lines, los saltos de línea solo se incluyen después de cada objeto JSON.

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