Sentiment Analysis 노드#

Sentiment Analysis 노드를 사용하여 들어오는 텍스트 데이터의 감정을 분석합니다.

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

노드 매개변수#

분석할 텍스트는 감정 분석을 위한 입력 텍스트를 정의합니다. 이는 입력 항목의 필드와 참조하는 표현식입니다. 예를 들어, 입력이 채팅이나 메시지 소스에서 오는 경우 {{ $json.chatInput }}일 수 있습니다. 기본적으로 text 필드를 예상합니다.

감정 카테고리: 입력을 분류하고자 하는 카테고리를 정의합니다.
- 기본적으로 Positive, Neutral, Negative입니다. 이러한 카테고리는 Very Positive, Positive, Neutral, Negative, Very Negative와 같이 더 세분화된 분석을 위해 특정 사용 사례에 맞게 사용자 정의할 수 있습니다.
상세 결과 포함: 활성화되면 이 옵션은 출력에 감정 강도와 신뢰 점수를 포함합니다. 이 점수는 언어 모델에 의해 생성된 추정치이며, 정확한 측정값이 아닌 대략적인 지표입니다.
시스템 프롬프트 템플릿: 이 옵션을 사용하여 감정 분석에 사용되는 시스템 프롬프트를 변경합니다. 카테고리를 위해 {categories} 자리 표시자를 사용합니다.
자동 수정 활성화: 활성화되면 노드는 모델 출력을 자동으로 수정하여 예상되는 형식에 맞게 합니다. 이는 스키마 구문 분석 오류를 LLM에 보내고 이를 수정하도록 요청하여 수행됩니다.

연결된 언어 모델의 온도를 0 또는 0에 가까운 값으로 설정하는 것이 강력히 권장됩니다. 이는 결과가 가능한 한 결정적이도록 하여 여러 번 실행 시 일관되고 신뢰할 수 있는 감정 분석을 제공합니다.

노드의 성능은 입력 텍스트의 언어에 따라 달라질 수 있습니다.

최고의 결과를 위해 선택한 언어 모델이 입력 언어를 지원하는지 확인하세요.

많은 양의 텍스트를 분석할 때는 입력을 더 작은 청크로 나누어 처리 시간과 리소스 사용을 최적화하는 것을 고려하세요.

복잡한 감정 분석 작업을 위해서는 시스템 프롬프트와 카테고리를 반복적으로 개선하여 원하는 결과를 달성해야 할 수 있습니다.

완성(Completion): GPT와 같은 모델이 생성하는 응답을 의미합니다.
환각(Hallucinations): AI에서 "환각"이란 LLM(대규모 언어 모델)이 실제로 존재하지 않는 패턴이나 개체를 잘못 인식하는 현상을 의미합니다.
벡터 데이터베이스(Vector Database): 정보를 수학적으로 표현한 벡터 데이터를 저장하는 데이터베이스입니다.
임베딩(Embeddings) 및 검색기(Retrievers)와 함께 사용하여 AI가 질문에 답할 때 접근할 수 있는 데이터베이스를 구성할 수 있습니다.
벡터 저장소(Vector Store): 벡터 데이터베이스와 동일한 개념으로, 정보를 수학적으로 표현한 벡터 데이터를 저장하는 시스템입니다.
임베딩 및 검색기와 함께 사용하여 AI가 질문에 답할 때 참조할 수 있는 데이터베이스를 구축할 수 있습니다.