Sentiment Analysis 노드를 사용하여 수신되는 텍스트 데이터의 감정을 분석합니다.

언어 모델은 노드 옵션에 있는 Sentiment Categories를 사용하여 각 항목의 감정을 판단합니다.

노드 매개변수#

• Text to Analyze는 감정 분석을 위한 입력 텍스트를 정의합니다. 이는 입력 항목의 필드를 참조하는 표현식입니다. 예를 들어 입력이 채팅이나 메시지 소스에서 온 경우 {{ $json.chatInput }}이 될 수 있습니다. 기본적으로 text 필드를 예상합니다.

노드 옵션#

• Sentiment Categories: 입력을 분류하고자 하는 카테고리를 정의합니다.
  • 기본적으로 이는 Positive, Neutral, Negative입니다. 더 세분화된 분석을 위해 Very Positive, Positive, Neutral, Negative, Very Negative와 같이 특정 사용 사례에 맞게 이 카테고리를 사용자 지정할 수 있습니다.
• Include Detailed Results: 이 옵션을 켜면 출력에 감정 강도와 신뢰도 점수가 포함됩니다. 이러한 점수는 언어 모델이 생성한 추정값이며, 정확한 측정값이라기보다는 대략적인 지표라는 점에 유의하세요.
• System Prompt Template: 이 옵션을 사용하여 감정 분석에 사용되는 시스템 프롬프트를 변경합니다. 카테고리를 위한 {categories} 플레이스홀더를 사용합니다.
• Enable Auto-Fixing: 이 옵션을 활성화하면 노드가 모델 출력을 자동으로 수정하여 예상 형식과 일치하도록 합니다. 스키마 파싱 오류를 LLM에 보내 수정하도록 요청하는 방식으로 이를 수행합니다.

사용 참고 사항#

모델 Temperature 설정#

연결된 언어 모델의 temperature를 0 또는 0에 가까운 값으로 설정하는 것이 강력히 권장됩니다. 이렇게 하면 결과가 최대한 결정론적으로 나오도록 보장하여, 여러 번 실행하더라도 더 일관되고 신뢰할 수 있는 감정 분석 결과를 얻을 수 있습니다.

언어 고려 사항#

노드의 성능은 입력 텍스트의 언어에 따라 달라질 수 있습니다.

최상의 결과를 얻으려면 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 감정 분석 작업의 경우 원하는 결과를 얻기 위해 시스템 프롬프트와 카테고리를 반복적으로 조정해야 할 수도 있습니다.

사용 예제#

기본 감정 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 게시물 콘텐츠의 경우 {{ $json.content }}).
3. 기본 감정 카테고리를 유지합니다.
4. 노드의 출력을 긍정, 중립, 부정 감정을 각각 다르게 처리하는 별도의 경로에 연결합니다.

사용자 정의 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 세분화된 감정 카테고리로 고객 피드백을 분석합니다.

관련 자료#