跳到主要内容

情感分析节点#

使用情感分析节点对输入的文本数据进行情感分析。

语言模型利用节点选项中的情感分类来确定每个条目的情感倾向。

节点参数#​

  • 待分析文本 定义情感分析的输入文本。该表达式引用输入条目中的字段，例如：若输入来自聊天或消息源，可设置为{{ $json.chatInput }}。默认情况下该参数预期接收text字段。

节点选项#​

  • 情感分类：定义需要归类的情感类别
    • 默认为积极, 中立, 消极。可自定义适应具体场景的分类，例如通过非常积极, 积极, 中立, 消极, 非常消极实现更精细分析
  • 包含详细结果：启用后，输出将包含情感强度与置信度评分。请注意这些评分由语言模型生成，属于粗略估计值而非精确度量
  • 系统提示模板：通过此选项修改情感分析使用的系统提示。模板中的{categories}占位符将被实际分类标签替换
  • 启用自动修正：激活后，节点会自动修正模型输出以确保符合预期格式。该功能通过将格式解析错误发送给大语言模型并要求其修正来实现

使用说明#​

模型温度设置#​

强烈建议将关联语言模型的温度参数设置为0或接近0的值。这能确保结果尽可能保持确定性，在多次运行中提供更一致可靠的情感分析。

语言考量#​

节点性能会随输入文本语言不同而产生差异。

为获得最佳效果，请确保所选语言模型支持输入文本的语言。

大批量处理#​

当分析大量文本时，建议将输入拆分为较小片段以优化处理时间与资源使用。

迭代优化#​

对于复杂的情感分析任务，可能需要迭代优化系统提示和分类标签以获得理想结果。

使用示例#​

基础情感分析#​

  1. 将数据源（如RSS订阅、HTTP请求）连接至情感分析节点
  2. 将"待分析文本"字段设置为相关条目属性（例如博客内容可使用{{ $json.content }}）
  3. 保持默认情感分类设置
  4. 将节点输出连接至不同路径，分别处理积极、中立和消极情感

自定义分类分析#​

  1. 将情感分类调整为兴奋, 开心, 中立, 失望, 愤怒
  2. 调整工作流以处理这五种输出分类
  3. 使用此配置通过更精细的情感分类分析客户反馈

相关资源#​

查看 n8n 的高级AI文档。