Interpreta i risultati delle previsioni dei modelli di analisi del sentiment del testo
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Se richiedi una previsione, Vertex AI restituisce i risultati in base all'obiettivo del modello. Le previsioni dei modelli di analisi del sentiment restituiscono il sentiment complessivo di un documento. Il sentiment รจ rappresentato da un numero intero compreso tra 0 e il punteggio del sentiment massimo del modello, che puรฒ essere uguale o inferiore a 10. Il valore del sentiment massimo per un modello viene impostato durante l'addestramento. Ad esempio, se un
modello รจ stato addestrato su un set di dati con un punteggio di sentiment massimo pari a 2, i
punteggi di sentiment previsti possono essere 0 (negativo), 1 (neutro) o 2 (positivo).
Esempio di output di previsione batch
Il seguente esempio รจ il risultato previsto per un singolo documento. Poichรฉ il
voto del sentiment massimo del modello รจ 8, il sentiment previsto per questo campione รจ
chiaro e positivo.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema รจ stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2025-09-02 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```"]]