Interpretar resultados de previsão com base em modelos de análise de sentimento em texto

A partir de 15 de setembro de 2024, só será possível personalizar a classificação, a extração de entidades, e os objetivos de análise de sentimento por meio da migração para os comandos e os ajustes do Vertex AI Gemini. O treinamento ou atualização de modelos do AutoML na Vertex AI para classificação de texto, extração de entidades e objetivos de análise de sentimento não estarão mais disponíveis. É possível continuar usando os modelos de AutoML Text na Vertex AI até 15 de junho de 2025. Para uma comparação entre o AutoML Text e o Gemini, consulte Gemini para usuários de texto do AutoML. Para mais informações sobre como o Gemini oferece uma experiência do usuário aprimorada com recursos aprimorados de comandos, consulte Introdução aos ajustes. Para começar a ajustar, consulte Ajuste de modelos de texto do Gemini

.

Depois de solicitar uma previsão, a Vertex AI retorna resultados com base no objetivo do modelo. Previsões de modelos de análise de sentimento retornam o sentimento geral de um documento. O sentimento é representado por um número inteiro de 0 até a pontuação máxima de sentimento do modelo, que pode ser igual ou menor que 10. O valor de sentimento máximo de um modelo é definido durante o treinamento. Por exemplo, se um modelo foi treinado em um conjunto de dados com uma pontuação máxima de sentimento de 2, as pontuações de sentimento previstas podem ser 0 (negativa), 1 (neutra) ou 2 (positiva).

Exemplo de saída de previsão em lote

A amostra a seguir é o resultado previsto de um único documento. Como a pontuação de sentimento máxima do modelo é oito, o sentimento previsto para essa amostra é claramente positivo.

Observação: o exemplo a seguir de JSON Lines inclui quebras de linha para facilitar a leitura. Nos arquivos JSON Lines, as quebras de linha são incluídas somente após cada objeto JSON.

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