การใช้งาน Sentiment Analysis

เรียนรู้วิธีใช้ node การวิเคราะห์ความรู้สึกใน n8n ปฏิบัติตามเอกสารทางเทคนิคเพื่อรวม node การวิเคราะห์ความรู้สึกเข้ากับ workflow ของคุณ

ใช้ node การวิเคราะห์ความรู้สึกเพื่อวิเคราะห์ความรู้สึกของข้อมูลข้อความขาเข้า

โมเดลภาษาใช้ Sentiment Categories ในตัวเลือก node เพื่อกำหนดความรู้สึกของแต่ละรายการ

parameter node

• Text to Analyze กำหนดข้อความ input สำหรับการวิเคราะห์ความรู้สึก นี่คือ expression ที่อ้างอิงถึงฟิลด์จากรายการ input ตัวอย่างเช่นนี่อาจเป็นได้ {{ $json.chatInput }} หาก input มาจากแชทหรือแหล่งข้อความ โดยค่าเริ่มต้น คาดว่าจะมี text สนาม

ตัวเลือก node

• Sentiment Categories : กำหนดหมวดหมู่ที่คุณต้องการจัดประเภทข้อมูลที่คุณป้อน
  • โดยค่าเริ่มต้น สิ่งเหล่านี้คือ Positive, Neutral, Negative . คุณสามารถปรับแต่งหมวดหมู่เหล่านี้ให้เหมาะกับกรณีการใช้งานเฉพาะของคุณได้ เช่น Very Positive, Positive, Neutral, Negative, Very Negative เพื่อการวิเคราะห์ที่ละเอียดยิ่งขึ้น
• Include Detailed Results : เมื่อเปิดใช้งาน ตัวเลือกนี้จะรวมคะแนนระดับความเชื่อมั่นและความเชื่อมั่นไว้ใน output ด้วย โปรดทราบว่าคะแนนเหล่านี้เป็นค่าประมาณที่สร้างโดยโมเดลภาษาและเป็นตัวบ่งชี้คร่าวๆ แทนที่จะเป็นการวัดที่แม่นยำ
• System Prompt Template : ใช้ตัวเลือกนี้เพื่อเปลี่ยนพร้อมท์ของระบบที่ใช้สำหรับการวิเคราะห์ความคิดเห็น มันใช้ {categories} ตัวยึดตำแหน่งสำหรับหมวดหมู่
• Enable Auto-Fixing : เมื่อเปิดใช้งาน node จะแก้ไข output ของโมเดลโดยอัตโนมัติเพื่อให้แน่ใจว่าตรงกับรูปแบบที่คาดหวัง ทำได้โดยการส่งข้อผิดพลาดในการแยกวิเคราะห์สคีมาไปยัง LLM และขอให้แก้ไข

หมายเหตุการใช้งาน

Model Temperature Setting

ขอแนะนำอย่างยิ่งให้ตั้งอุณหภูมิของโมเดลภาษาที่เชื่อมต่อเป็น 0 หรือค่าใกล้กับ 0 ซึ่งช่วยให้แน่ใจว่าผลลัพธ์ถูกกำหนดไว้มากที่สุดเท่าที่จะเป็นไปได้ โดยให้การวิเคราะห์ความรู้สึกที่สม่ำเสมอและเชื่อถือได้มากขึ้นในการรันหลายครั้ง

Language Considerations

ประสิทธิภาพของ node อาจแตกต่างกันไปขึ้นอยู่กับภาษาของข้อความที่ป้อน

เพื่อผลลัพธ์ที่ดีที่สุด ตรวจสอบให้แน่ใจว่าโมเดลภาษาที่คุณเลือกรองรับภาษาที่ป้อน

Processing Large Volumes

เมื่อวิเคราะห์ข้อความจำนวนมาก ให้พิจารณาแบ่ง input ออกเป็นส่วนเล็กๆ เพื่อเพิ่มประสิทธิภาพเวลาการประมวลผลและการใช้ทรัพยากร

Iterative Refinement

สำหรับงานวิเคราะห์ความรู้สึกที่ซับซ้อน คุณอาจต้องปรับแต่งพรอมต์ของระบบและหมวดหมู่ซ้ำๆ เพื่อให้ได้ผลลัพธ์ที่ต้องการ

ตัวอย่างการใช้งาน

Basic Sentiment Analysis

1. เชื่อมต่อแหล่งข้อมูล (เช่น RSS Feed, คำขอ HTTP) กับ node การวิเคราะห์ความรู้สึก
2. ตั้งค่าช่อง "ข้อความที่จะวิเคราะห์" เป็นคุณสมบัติของรายการที่เกี่ยวข้อง (เช่น {{ $json.content }} สำหรับเนื้อหาโพสต์บล็อก)
3. เก็บประเภทความคิดเห็นเริ่มต้นไว้
4. เชื่อมต่อ output ของ node เพื่อแยกเส้นทางสำหรับการประมวลผลความรู้สึกเชิงบวก เป็นกลาง และเชิงลบที่แตกต่างกัน

Custom Category Analysis

1. เปลี่ยน Sentiment Categories ถึง Excited, Happy, Neutral, Disappointed, Angry.
2. ปรับขั้นตอนการทำงานของคุณเพื่อจัดการกับเอาท์พุตทั้งห้าประเภทนี้
3. ใช้การตั้งค่านี้เพื่อวิเคราะห์ความคิดเห็นของลูกค้าด้วยหมวดหมู่ทางอารมณ์ที่ละเอียดยิ่งขึ้น

ทรัพยากรที่เกี่ยวข้อง

ดูของ n8n AI ขั้นสูง เอกสารประกอบ