Sentiment Analysis 노드를 사용해 들어오는 텍스트 데이터의 감성(sentiment)을 분석합니다.

언어 모델은 노드 옵션의 Sentiment Categories를 사용하여 각 항목의 감성을 결정합니다.

노드 파라미터#

• Text to Analyze: 감성 분석을 위한 입력 텍스트를 정의합니다. 입력 항목의 필드를 참조하는 표현식입니다. 예를 들어 입력이 채팅 또는 메시지 소스인 경우 {{ $json.chatInput }}이 될 수 있습니다. 기본적으로 text 필드를 예상합니다.

노드 옵션#

• Sentiment Categories: 입력을 분류할 카테고리를 정의합니다.
  • 기본값은 Positive, Neutral, Negative입니다. 더 세밀한 분석을 위해 Very Positive, Positive, Neutral, Negative, Very Negative와 같이 특정 사용 사례에 맞게 카테고리를 커스터마이즈할 수 있습니다.
• Include Detailed Results: 활성화하면 출력에 감성 강도 및 신뢰도 점수가 포함됩니다. 이 점수는 언어 모델이 생성한 추정치이며 정확한 측정값이 아닌 대략적인 지표입니다.
• System Prompt Template: 감성 분석에 사용되는 시스템 프롬프트를 변경하려면 이 옵션을 사용합니다. 카테고리에는 {categories} 플레이스홀더를 사용합니다.
• Enable Auto-Fixing: 활성화하면 노드가 모델 출력을 자동으로 수정하여 예상 형식과 일치하도록 합니다. 스키마 파싱 오류를 LLM에 보내 수정을 요청합니다.

사용 메모#

모델 Temperature 설정#

연결된 언어 모델의 temperature를 0 또는 0에 가까운 값으로 설정하는 것이 강력히 권장됩니다. 이렇게 하면 결과가 최대한 결정론적이 되어 여러 번 실행 시 더 일관되고 신뢰할 수 있는 감성 분석이 제공됩니다.

언어 고려 사항#

노드의 성능은 입력 텍스트의 언어에 따라 달라질 수 있습니다.

최상의 결과를 위해 선택한 언어 모델이 입력 언어를 지원하는지 확인하세요.

대용량 처리#

대량의 텍스트를 분석할 때는 처리 시간과 리소스 사용을 최적화하기 위해 입력을 더 작은 청크로 분할하는 것을 고려하세요.

반복적 개선#

복잡한 감성 분석 작업의 경우 원하는 결과를 얻기 위해 시스템 프롬프트와 카테고리를 반복적으로 개선해야 할 수 있습니다.

사용 예제#

기본 감성 분석#

1. 데이터 소스(예: RSS Feed, HTTP Request)를 Sentiment Analysis 노드에 연결합니다.
2. "Text to Analyze" 필드를 관련 항목 속성으로 설정합니다(예: 블로그 포스트 콘텐츠의 경우 {{ $json.content }}).
3. 기본 감성 카테고리를 유지합니다.
4. 긍정적, 중립적, 부정적 감성을 다르게 처리하기 위해 노드 출력을 별도의 경로에 연결합니다.

커스텀 카테고리 분석#

1. Sentiment Categories를 Excited, Happy, Neutral, Disappointed, Angry로 변경합니다.
2. 이 다섯 가지 출력 카테고리를 처리하도록 워크플로를 조정합니다.
3. 이 설정을 사용하여 더 세밀한 감정 카테고리로 고객 피드백을 분석합니다.

관련 리소스#

n8n의 Advanced AI 문서를 확인하세요.