Analisis sentimen untuk data chat

Analisis sentimen adalah fitur yang menganalisis pesan selama percakapan antara agen manusia dan pengguna akhir untuk menentukan maksud emosional. Anda dapat mengaktifkannya selama pembuatan atau pengeditan profil percakapan. Jika Anda mengedit profil percakapan yang ada, Anda hanya akan melihat efeknya dalam percakapan setelah profil percakapan diperbarui. Anda juga memiliki opsi untuk mengaktifkan analisis sentimen saat membuat profil percakapan menggunakan konsol Agent Assist.

  1. Tetapkan enableSentimentAnalysis ke true di MessageAnalysisConfig.
  2. Kirim permintaan createConversation menggunakan ConversationProfile dengan fitur ini diaktifkan.
  3. Hasil sentimen ditampilkan dalam AnalyzeContentResponse.message.sentimentAnalysis.
  4. Jika Anda telah mengaktifkan integrasi Cloud Pub/Sub di Agent Assist, hasil analisis sentimen juga akan muncul di NewMessagePayload.

Menafsirkan hasil analisis sentimen

Sentimen diwakili oleh nilai score dan magnitude, yaitu metrik yang ditampilkan dalam respons. score sentimen berkisar antara -1,0 (negatif) dan 1,0 (positif) serta sesuai dengan kecenderungan emosional keseluruhan teks. Nilai magnitude menunjukkan kekuatan emosi secara keseluruhan (positif dan negatif) dalam teks yang diberikan, antara 0.0 dan +inf. Untuk mengetahui informasi selengkapnya tentang cara menafsirkan metrik ini, lihat dokumentasi Analisis sentimen bahasa alami.

Berikut adalah dua contoh output analisis sentimen dari fitur demo Natural Language API. Untuk menggunakan demo guna menguji analisis sentimen pada teks sampel: Tempelkan teks ke dalam kotak teks, klik ANALYZE, lalu pilih tab Sentiment.

Contoh 1

Teks: "Saya tidak senang."

score yang ditampilkan adalah -0,9, dan magnitude adalah 0,9. Hal ini menunjukkan kecenderungan emosi negatif yang sangat kuat, dengan kekuatan emosi rendah hingga sedang.

Contoh 2

Teks: "Google Cloud adalah layanan cloud dari Google".

Nilai yang ditampilkan untuk score dan magnitude adalah 0, yang berarti bahwa teks tidak menunjukkan emosi atau kekuatan perasaan apa pun.

Contoh 3

Teks: "Saya sangat marah dan kecewa dengan hasilnya. Di sisi lain, saya senang melihat tim kami bekerja sangat keras dan menunjukkan sikap profesional."

Tidak seperti Contoh 1, teks ini berisi dua kalimat. Output mencakup metrik Seluruh dokumen serta metrik untuk setiap kalimat. Nilai seluruh dokumen merepresentasikan metrik kedua kalimat yang digabungkan, bukan salah satunya. Setiap kalimat juga dicantumkan dengan nilai magnitude dan score yang sesuai.

Sentimen score yang ditampilkan untuk seluruh dokumen adalah 0, sedangkan magnitude adalah 1,6. score 0 dalam dokumen multi-kalimat dapat berarti bahwa dokumen tersebut benar-benar netral secara emosional, atau bahwa kecenderungan emosional positif dan negatif di berbagai bagian dalam teks saling meniadakan. Teks dengan sentimen yang benar-benar netral juga akan memiliki magnitude yang sama dengan atau mendekati 0. Dalam hal ini, magnitude yang relatif tinggi sebesar 1,6 berarti sentimen kedua kalimat tersebut tidak benar-benar netral, tetapi campuran (misalnya marah, kecewa, dan senang di berbagai bagian dalam teks). Melihat nilai score untuk setiap kalimat, satu kalimat sangat positif (0,8) dan yang lainnya sangat negatif (-0,8), yang menyebabkan rata-rata score seluruh dokumen menjadi 0.