Vorhersageergebnisse von Sentimentanalysemodellen für Texte interpretieren
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
.
Nach der Anforderung einer Vorhersage gibt Vertex AI Ergebnisse basierend auf dem Ziel Ihres Modells zurück. Vorhersagen aus Sentimentanalyse-Modellen geben das allgemeine Sentiment für ein Dokument zurück. Das Sentiment wird durch eine Ganzzahl von 0 bis zum maximalen Sentimentwert des Modells dargestellt. Dieser kann gleich oder kleiner als 10 sein. Der maximale Sentimentwert für ein Modell wird während des Trainings festgelegt. Wenn ein Modell beispielsweise mit einem maximalen Sentimentwert von 2 für ein Dataset trainiert wurde, können die vorhergesagten Sentimentwerte 0 (negativ), 1 (neutral) oder 2 (positiv) sein.
Beispielausgabe für eine Batchvorhersage
Das folgende Beispiel ist das vorhergesagte Ergebnis für ein einzelnes Dokument. Da der maximale Sentimentwert des Modells 8 ist, ist das vorhergesagte Sentiment für diese Stichprobe eindeutig positiv.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-18 (UTC)."],[],[],null,["# Interpret prediction results from text sentiment analysis models\n\n| Starting on September 15, 2024, you can only customize classification, entity extraction, and sentiment analysis objectives by moving to Vertex AI Gemini prompts and tuning. Training or updating models for Vertex AI AutoML for Text classification, entity extraction, and sentiment analysis objectives will no longer be available. You can continue using existing Vertex AI AutoML Text models until June 15, 2025. For a comparison of AutoML text and Gemini, see [Gemini for AutoML text users](/vertex-ai/docs/start/automl-gemini-comparison). For more information about how Gemini offers enhanced user experience through improved prompting capabilities, see [Introduction to tuning](/vertex-ai/generative-ai/docs/models/tune-gemini-overview). To get started with tuning, see [Model tuning for Gemini text models](/vertex-ai/generative-ai/docs/models/tune_gemini/tune-gemini-learn)\n\nAfter requesting a prediction, Vertex AI returns results based on your\nmodel's objective. Predictions from sentiment analysis models return the overall\nsentiment for a document. The sentiment is represented by an integer from 0 to\nthe model's max sentiment score, which can be equal to or less than 10. The\nmaximum sentiment value for a model is set during training. For example, if a\nmodel was trained on a dataset with a maximum sentiment score of 2, predicted\nsentiment scores can be 0 (negative), 1 (neutral), or 2 (positive).\n\nExample batch prediction output\n-------------------------------\n\nThe following sample is the predicted result for a single document. Because the\nmodel's maximum sentiment score is 8, the predicted sentiment for this sample is\nclearly positive.\n\n\n| **Note**: The following JSON Lines example includes line breaks for\n| readability. In your JSON Lines files, line breaks are included only after each\n| each JSON object.\n\n\u003cbr /\u003e\n\n\n```\n{\n \"instance\": {\"content\": \"gs://bucket/text.txt\", \"mimeType\": \"text/plain\"},\n \"prediction\": {\"sentiment\": 8}\n}\n```"]]
