CanDoYa
HU

Szentimentelemzés online, ingyenes böngészős eszköz

Korlátozott nyelvek

Teljesen a böngésződben fut - feltöltés és regisztráció nélkül.

Illessz be visszajelzést, értékelést vagy social bejegyzést a hangvétel gyors felméréséhez.

A szöveg egy böngésző workerben kerül feldolgozásra, és soha nem töltődik fel. Az első futtatáskor a nyilvános AI modell töltődik le.

Három lehetséges össz-szentiment címke

A negatív kedvezőtlen hangvételt, a semleges egyértelmű pozitív vagy negatív eltolódás hiányát, a pozitív pedig kedvező hangvételt jelez.

Szentimentre finomhangolva arab, angol, francia, német, hindi, olasz, portugál és spanyol nyelven.

Közösségi bejegyzésekből tanult. A szarkazmus, a vegyes érzelmek, a szakszókincs és a tanított nyelveken kívüli szöveg félrecímkézhető.

Oszd meg ezt az eszközt

Szentimentelemzés - mi ez pontosan?

Szentimentelemzés alatt azt értjük, hogy egy szöveg egészének hangvételét negatívnak, semlegesnek vagy pozitívnak soroljuk be. Ez az eszköz egy többnyelvű XLM-T modellt futtat közvetlenül a böngésződben, és mindhárom címkére megmutatja a pontszámot. A szöveg az eszközödön marad, bár az első elemzéskor a nyilvános modellt le kell tölteni.

Így működik

  1. 1Illeszd be a vizsgálandó mintát. Írj vagy illessz be egy értékelést, hozzászólást, üzenetet vagy social bejegyzést. Egy teljes mondat több kontextust ad a modellnek, mint egyetlen szó.
  2. 2Futtasd a helyi modellt. Kattints a Szentiment elemzése gombra. Várd meg, amíg az első modellletöltés befejeződik; későbbi látogatásokkor a böngésző gyorsítótára, ha elérhető, újra felhasználhatja.
  3. 3Nézd meg mindhárom pontszámot. Tekintsd a legmagasabb címkét durva jelzésnek, és hasonlítsd össze az értékét az alternatívákkal. Ha az eredmények közel vannak egymáshoz, mindenképp szükség van emberi értelmezésre, nem lehet biztos következtetést levonni.

Kinek hasznos

Ez a szentimentelemző a Cardiff NLP XLM-T modelljét használja, egy XLM-R alapú rendszert, amelyet nagyjából 198 millió többnyelvű tweeten tanítottak, és szentimentfeladatra finomhangoltak arab, angol, francia, német, hindi, olasz, portugál és spanyol nyelven. A kimeneti címkék a kedvezőtlen összbenyomást, a semleges, egyértelműen nem pozitív és nem negatív hangvételt, illetve a kedvező összbenyomást jelölik. Nem azonosítanak konkrét érzelmeket, igazságtartalmat, sürgősséget vagy a szerző szándékát, és mivel a modellt nem magyar szentimentadatokon finomhangolták, a magyar szöveghez tartozó címkék és pontszámok csak közelítő értelmezést adnak.

Az első elemzéskor kvantált ONNX modellsúlyok és tokenizáló fájlok töltődnek le, összesen körülbelül 297 MB méretben. Egy böngésző worker szál futtatja a következtetést, így nem terheli a fő felületet. Előnyben részesíti a WebGPU gyorsítást, ha elérhető; ennek hiányában a lassabb WebAssembly CPU háttendet használja. A következtetést a Transformers.js könyvtár hajtja végre a böngésződben, valódi, eszközön futó neurális hálóként, nem puszta kulcsszó-heurisztikaként. A böngésző rendszerint gyorsítótárazza ezeket a fájlokat, de privát böngészés, tárhelytisztítás vagy kevés szabad lemezterület esetén újra letöltésre lehet szükség.

Gyakori kérdések

Feltöltődik a szövegem valamilyen szerverre?

Nem. A szöveg egy böngésző worker számára kerül átadásra, és a modell az eszközödön fut. A worker külső tárhelyekről tölti le a Transformers.js futtatókörnyezetet és a modellfájlokat, de ezek a kérések nem tartalmazzák a beillesztett szöveget. A CanDoYa nem kapja meg és nem tárolja a mintát.

Ingyenes ez a szentimentelemző eszköz?

Igen. Nincs fiók, fizetés, API-kulcs vagy elemzési kvóta. A munkát az eszközöd végzi. A gyakorlati költség az első modellletöltés, a helyi böngészőtárhely, a memória és a feldolgozási idő. A hálózati szolgáltatód adatforgalmi díjat számíthat fel a modell letöltéséhez használt adatmennyiségre.

Mennyi szöveget elemezhetek?

Beilleszthetsz egy szokásos terjedelmű szövegrészletet, de az eszköz legfeljebb az első 1 000 Unicode karaktert elemzi, hogy a böngészős futtatás kiszámítható maradjon. A modell tokenizálója is levágja a bemenetet a saját ablakhosszáig. Hosszabb dokumentumokat érdemes összefüggő szakaszonként vizsgálni, ahelyett hogy egyetlen címkét próbálnál a teljes anyag összefoglalásaként értelmezni.

Milyen nyelveket támogat a szentimentmodell?

A szentimentre irányuló finomhangolás arab, angol, francia, német, hindi, olasz, portugál és spanyol nyelvű adatokon történt. A többnyelvű alapmodell más nyelvekre, például magyarra is visszaadhat címkéket, de ezek mögött nincs ugyanilyen feladatspecifikus tanítás. Ezért a CanDoYa más nyelvű felületein, így ezen a magyar oldalon is az eredmények csak közelítő jellegűnek számítanak.

Mit jelent a negatív, semleges és pozitív?

Negatív esetén a modell kedvezőtlen összbenyomást talált. Semlegesnél nem észlel egyértelműen pozitív vagy negatív irányú eltolódást. Pozitívnál kedvező összbenyomást jelez. Ezek a címkék a teljes beküldött mintára vonatkoznak; nem érzelemkategóriák, és nem bizonyítják, hogy a szerző mit gondol vagy mit szándékozik tenni.

Mit jelentenek a modellpontszámok?

A három pontszám azt mutatja, hogy az adott szövegre a negatív, semleges és pozitív címke egymáshoz képest hogyan rangsorolódik, és az értékek általában nagyjából 100 százalékot adnak ki. Ezek a számok a modell belső bizalmát tükrözik az egyes címkékhez képest, de nem garantált helyességi valószínűségek. Egy magas pontszám is lehet téves, különösen ha a szöveg eltér a tanításkor használt tartománytól.

Miért körülbelül 297 MB az első letöltés?

Az eszköz kvantált XLM-R ONNX súlyokat használ, körülbelül 279 MB méretben, plusz nagyjából 17 MB tokenizáló adatot. Ez jóval nagyobb, mint egy kulcsszólista, viszont kontextuális nyelvi mintákat ragad meg, nem pusztán pozitív és negatív szavakat számol. A böngésző a legtöbb esetben eltárolja ezeket az állományokat az első futtatás után.

Működik az elemző WebGPU nélkül is?

Igen. A worker először WebGPU gyorsítást próbál használni, ha azt a böngésző és a grafikus adapter támogatja. Ha ez az út nem érhető el vagy nem indul el, az eszköz újra próbálkozik a WebAssembly alapú CPU háttenden. A CPU-s elemzés is ugyanazt a modellt futtatja és a szöveget helyben tartja, de a betöltés és a következtetés hosszabb időt vehet igénybe.