分析用户评论正面性

简介: 通过SQL调用Qwen3-1.7B-GGUF模型,实现城市自动识别所属省份及评论情感分析(正面/负面/中性),准确率高。较小模型Qwen3-0.6B-GGUF无法正常运行,切换后功能稳定,适用于大数据场景下的智能文本处理与分析。

执行代码

CREATE TABLE IF NOT EXISTS emotional_comment
(
    content_id      STRING COMMENT '评论id',
    text            STRING COMMENT '评论内容',
    publish_time    STRING COMMENT '评论时间',
    use_id          STRING COMMENT '用户id',
    user_followers  STRING COMMENT '用户粉丝数',
    user_region     STRING COMMENT '用户地域',
    repost_count    STRING COMMENT '转发量',
    comment_count   STRING COMMENT '评论量',
    quote_count     STRING COMMENT '点赞量'
);

SELECT * FROM emotional_comment LIMIT 10;

-- 设置flag。
SET odps.task.major.version=flighting;
SET odps.sql.using.public.model=true;
SET odps.namespace.schema=false;
SELECT 
  AI_GENERATE(
     bigdata_public_modelset.default.Qwen3-1.7B-GGUF,
    default_version,
    CONCAT(
      '请提供以下城市所在的省份,如果该城市是直辖市或特区则直接显示该城市名,输出仅包含省份名称。城市名:',user_region),
    '{"max_tokens": 1000, "temperature": 0.7}'
  ) as province,
  user_region,
  AI_GENERATE(
    bigdata_public_modelset.default.Qwen3-1.7B-GGUF,
    default_version,
    CONCAT(
      '请对以下评论进行情感分析分类,输出结果仅限于以下三个选项之一:正面、负面、中性。待分析的评论:', text),
    '{"max_tokens": 1000, "temperature": 0.7}'
  ) as sentiment_label,
  text
  FROM emotional_comment limit 20
;

结果截图

企业微信截图_1766560207982.png

效果效果说明

  • 根据城市生成对应的省份
  • 对评论进行情感分析,输出正面,负面,中性的情感评价

    体验反馈

    在使用模型时候选择Qwen3-0.6B-GGUF 无法正常使用,切换成Qwen3-1.7B-GGUF可以正常分析。模型识别准确率高。
相关文章
|
7天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
2天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
266 155
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
206 105
|
10天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
723 5
|
13天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
813 153