テキストの感情を分析する

ドキュメントのバージョンを選択してください。

ai.analyze_sentiment 関数は、テキストの感情を肯定的、否定的、中立的として分類する組み込みの AlloyDB AI ツールです。この機能をデータベースに直接埋め込むことで、AlloyDB Omni では、複雑な抽出、変換、読み込み（ETL）パイプラインや外部サービス統合を構築することなく、非構造化データを処理できます。

感情分析関数には次の利点があります。

  • 世界に関する知識: 大規模言語モデル（LLM）が事前トレーニング フェーズで取得する、事実、コンセプト、関係、世界に関するコンテキストの理解の膨大なコレクション。
  • リアルタイム分析: SQL を使用して、Gemini の世界知識をエンタープライズ データに適用します。
  • スケーラビリティ: 配列ベースとカーソルベースの処理をサポートし、数千行を効率的に処理します。
  • シンプルさ: モデルの呼び出しとデータの準備を自動的に管理する高レベルの抽象化を提供します。

AlloyDB AI の感情分析関数は、次のようなさまざまなユースケースをサポートしています。

  • 顧客からのフィードバック: 数千件の未加工の非構造化商品レビューを分類して、顧客満足度を特定します。
  • ソーシャル メディアのモニタリング: ソーシャル メディアでのメンションやコメントの感情を分析して、ブランドに対する一般の認識を把握します。

始める前に

ai.analyze_sentiment 関数を使用する前に、次の要件を満たしていることを確認してください。

拡張機能を有効にする

google_ml_integration 拡張機能（バージョン 1.6.3 以降）がインストールされ、AI クエリエンジンが有効になっていることを確認します。

AlloyDB Omni で google_ml_integration.enable_ai_query_engine フラグを有効にするには、SET コマンドを使用します。このフラグは、ai.analyze_sentiment などの AI 関数へのアクセスを制御します。

  1. google_ml_integration 拡張機能のバージョンが 1.6.3 以降であることを確認します。バージョンを確認するには、次のコマンドを実行します。

    SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';

    拡張機能を更新する必要がある場合は、次のコマンドを実行します。

    ALTER EXTENSION google_ml_integration UPDATE;

  2. 現在のセッションまたはデータベース全体でフラグを有効にします。現在のセッションでフラグを有効にするには、次のコマンドを実行します。

    SET google_ml_integration.enable_ai_query_engine = 'on';

    この変更では、データベースの再起動は必要ありません。このフラグのデフォルト値は off です。

サンプル テーブルを作成する

このドキュメントの感情分析関数の例に沿って、テーブルを作成し、次の映画レビューを入力します。

CREATE TABLE IF NOT EXISTS reviews (
    id INT PRIMARY KEY,
    review_content TEXT
);

INSERT INTO reviews (id, review_content) VALUES 
(1, 'This movie is very good'),
(2, 'The actors play the parts well'),
(3, 'I like the music in this film'),
(4, 'The story is easy to follow'),
(5, 'Many people will enjoy this show'),
(6, 'The film is too long'),
(7, 'I do not like the ending'),
(8, 'This movie is very boring'),
(9, 'The story is okay'),
(10, 'Some parts are fine');

1 つの文字列の感情分析

単一のテキスト入力の感情を評価するには、ai.analyze_sentiment のスカラー バージョンを使用します。

SELECT ai.analyze_sentiment(
  input => 'TEXT_CONTENT',
  model_id => 'MODEL_ID' -- Optional. The default value is gemini-3.5-flash-lite.
);

次の例は、レビューデータを保存する id 列と review_content 列を含む reviews という名前のテーブルに保存されているテキストデータに対して、行レベルの感情分析を実行する方法を示しています。この例では、テーブルの各行の review_content 列に ai.analyze_sentiment() 関数を適用する SELECT クエリを実行します。この関数は、各レビューを個別に処理し、計算された感情（positive、negative、neutral）を返します。

--- Row Level sentiment analysis
SELECT id, ai.analyze_sentiment(review_content) FROM reviews;

出力例を次に示します。

 id | analyze_sentiment
----+-------------------
  1 | positive
  2 | positive
  3 | positive
  4 | positive
  5 | positive
  6 | negative
  7 | negative
  8 | negative
  9 | neutral
 10 | neutral

感情をバッチで分析する

大規模なデータセットでパフォーマンスを向上させるには、配列ベースの関数を使用して、1 回の呼び出しで複数の文字列を処理します。

SELECT ai.analyze_sentiment(
  inputs => ARRAY['TEXT_1', 'TEXT_2'],
  batch_size => BATCH_SIZE, -- Optional. The default value is 10.
  model_id => 'MODEL_ID' -- Optional. The default value is gemini-3.5-flash-lite.
);

WITH sentiment_results AS (
SELECT
  ARRAY_AGG(id ORDER BY id) as ids,
  ai.analyze_sentiment( 
    inputs => array_agg(review_content ORDER BY id),
    batch_size => 15) as sentiments 
FROM reviews
),
correlated_results AS (
    SELECT ids[i] as id, sentiments[i] as sentiment
    FROM sentiment_results,
    generate_series(1, array_length(ids, 1)) AS i
)
SELECT reviews.id, correlated_results.sentiment as sentiment 
FROM reviews
JOIN correlated_results ON reviews.id = correlated_results.id
ORDER BY reviews.id;

出力例を次に示します。

 id | sentiment
----+-----------
  1 | positive
  2 | positive
  3 | positive
  4 | positive
  5 | positive
  6 | negative
  7 | negative
  8 | negative
  9 | neutral
 10 | neutral

カーソルを使用して感情を分析する

カーソルベースの関数は、大規模なデータセットを効率的に処理することを目的としています。これにより、システムは、すべてのデータを一度にメモリに読み込むことなく、管理可能なバッチで AI モデルを介してデータをストリーミングできます。

CREATE OR REPLACE FUNCTION ai.analyze_sentiment(
    input_cursor REFCURSOR,
    batch_size INT DEFAULT NULL,
    model_id VARCHAR(100) DEFAULT NULL)
  RETURNS REFCURSOR

ai.analyze_sentiment 関数を使用できるようになりました。REFCURSOR が想定されているため、分析する入力データのカーソルを開く必要があります。この例では、reviews テーブルの review_content を分析します。

次の例は、カーソルを使用して ai.analyze_sentiment 関数に行ごとにデータをフィードする方法を示しています。

-- Start a transaction
BEGIN;

-- Declare a cursor for the review content
DECLARE review_cursor REFCURSOR;

-- Open the cursor with the query to fetch the review content
OPEN review_cursor FOR SELECT review_content FROM reviews;

-- Call the AI function, passing the cursor
-- This function will return another cursor containing the results
DECLARE result_cursor REFCURSOR;
SELECT ai.analyze_sentiment(
    input_cursor => review_cursor,
    batch_size => 5  -- Optional: Process in batches of 5
) INTO result_cursor;

-- Fetch and display results from the result_cursor
-- The exact way to fetch from a REFCURSOR depends on the SQL environment.
-- This is a conceptual example.
FETCH ALL FROM result_cursor;

-- Close the cursors
CLOSE review_cursor;
CLOSE result_cursor;

-- End the transaction
COMMIT;

出力は次のとおりです。

              input               |  output
----------------------------------+----------
 This movie is very good          | positive
 The actors play the parts well   | positive
 I like the music in this film    | positive
 The story is easy to follow      | positive
 Many people will enjoy this show | positive
 The film is too long             | negative
 I do not like the ending         | negative
 This movie is very boring        | negative
 The story is okay                | neutral
 Some parts are fine              | neutral

次のステップ