分析消息情感

情感分析会在人工客服与最终用户之间的对话过程中分析消息，以确定最终用户的情绪意图。它会结合对话情境分析单条消息，甚至可以分析音频流，从而提供精确的最终用户情绪得分。

启用情感分析

您可以在创建或修改对话配置文件期间启用情感分析。如果您修改现有对话配置文件，则只有在对话配置文件更新后，您才能在对话中看到相应效果。您还可以在使用 Agent Assist 控制台创建对话配置文件时启用情感分析。

请按照以下步骤启用情感分析并查看结果。

  1. 在 MessageAnalysisConfig 中将 enableSentimentAnalysisV3 设置为 true。
  2. 使用启用此功能的 ConversationProfile 发送 createConversation 请求。
  3. 在 AnalyzeContentResponse.message.sentimentAnalysis 中查看情感分析结果。
  4. 如果您在 Agent Assist 中启用了 Pub/Sub 集成，还可以在 NewMessagePayload 中查看情感分析结果。

解读情感分析结果

情感由 score 和 magnitude 值表示，这些指标会在响应中返回。情感的 score 介于 -1.0（消极）和 1.0（积极）之间，对应于文本或音频的整体情绪倾向。magnitude 值表示给定文本或音频中情绪（包括积极和消极）的整体强度，介于 0.0 和 1.0 之间。如需详细了解如何解读这些指标，请参阅自然语言情感分析文档。

以下是 Natural Language API 演示功能提供的两个情感分析输出示例。按照以下步骤操作，使用演示版测试对示例文本的情感分析。

  1. 将示例文本粘贴到相应字段中。
  2. 依次点击分析 > 情感分析。

示例 1

文字：I'm not happy.

返回的 score 为 -0.9，magnitude 为 0.9。这表示情绪倾向为非常强烈的负面情绪，情绪强度为低到中等。

示例 2

文字：Google Cloud 是 Google提供的云服务。

score 和 magnitude 的返回值均为 0，这意味着文本未显示任何情绪或情感强度。

示例 3

文字：我对结果感到非常愤怒和失望。另一方面，我很高兴看到我们的团队非常努力，并展现出专业的态度。

与示例 1 不同，此文本包含两个句子。输出内容包括整个文档的指标以及每个句子的指标。整个文档值表示两个句子的合并指标，而不是其中一个句子的指标。每个单独的句子也会列出，并附带相应的 magnitude 和 score 值。

返回的整个文档的情感 score 为 0，而 magnitude 为 1.0。如果多句文档的 score 为 0，可能意味着该文档确实在情感上是中性的，也可能意味着文本中不同位置的积极和消极情感倾向相互抵消。情绪真正中性的文本的 magnitude 也将等于或接近 0。在本例中，相对较高的 magnitude 值 1.0 表示这两个句子的情感并非真正中立，而是混合的（例如，文本中不同位置的情感分别为愤怒、失望和快乐）。查看每个句子的 score 值，一个为强正值 (0.8)，另一个为强负值 (-0.8)，这使得整个文档的 score 平均值为 0。

旧版模型

您可能仍在使用旧版 Agent Assist 的情感分析功能。旧版在以下方面有所不同：

  • 在 MessageAnalysisConfig 中将 enableSentimentAnalysis 设置为 true，以启用情感分析。
  • 分析人工客服和最终用户的情感。
  • 仅使用音频文件中的对话转写内容进行分析。
  • 查看介于 0.0 到 +inf 之间的 Magnitude 得分。