CanDoYa
NL

Sentimentanalyse tool in je browser

Beperkte talen

Draait volledig in je browser - niets uploaden, geen account.

Plak feedback, een review of een social post om de toon te beoordelen.

Je tekst wordt verwerkt in een browser-worker en nooit geüpload. Bij de eerste run worden alleen de openbare AI-bestanden gedownload.

Drie globale sentimentlabels

Negatief betekent een ongunstige toon, neutraal betekent geen duidelijke positieve of negatieve richting en positief betekent een gunstige toon.

Fijn-afgesteld voor Arabisch, Engels, Frans, Duits, Hindi, Italiaans, Portugees en Spaans. Resultaten in andere talen, zoals Nederlands, zijn slechts indicatief.

Gebouwd op sociale posts. Sarcasme, gemengde gevoelens, vakspecifieke taal en tekst buiten de getrainde talen kunnen verkeerd worden gelabeld.

Deel deze tool

Sentimentanalyse tool: wat is sentimentanalyse?

Sentimentanalyse tool classificeert de algemene houding in tekst als negatief, neutraal of positief. Deze tool draait een meertalig XLM-T model direct in je browser met Transformers.js en toont de score voor elk label. Je tekst blijft in een browser-worker op je apparaat, al worden de openbare modelbestanden bij de eerste analyse gedownload.

Zo werkt het

  1. 1Plak een bruikbaar fragment. Voer een review, reactie, bericht of social post in. Een volledige zin geeft het model meer context dan één woord.
  2. 2Start het lokale model. Klik op Sentiment analyseren. Wacht tot de eerste modeldownload is voltooid; latere bezoeken kunnen het model hergebruiken zolang de browsercache beschikbaar blijft.
  3. 3Lees alle drie de scores. Gebruik het bovenste label als ruwe indicatie en vergelijk de score met de alternatieven. Dichte scores vragen om menselijke beoordeling, niet om een harde conclusie.

Voor wie

Deze sentimentanalyse gebruikt het Cardiff NLP XLM-T model, een XLM-R systeem dat is voorgetraind op ongeveer 198 miljoen meertalige tweets en voor sentiment is fijn-afgesteld in het Arabisch, Engels, Frans, Duits, Hindi, Italiaans, Portugees en Spaans. De labels betekenen respectievelijk een ongunstige algemene toon, geen duidelijke positieve of negatieve richting en een gunstige algemene toon. Ze geven geen specifieke emoties, geen waarheidsgehalte, geen urgentie en geen intentie van de schrijver weer.

Omdat XLM-T niet expliciet op Nederlands is fijn-afgesteld, zijn uitkomsten voor Nederlandse tekst slechts een benadering, ook al kan het meertalige basismodel gewoon een label teruggeven. De analyse werkt met echte on-device Transformers.js-inferentie, niet met een simpele lijst van positieve en negatieve trefwoorden.

Bij de eerste analyse downloadt de worker gequantiseerde ONNX-modelgewichten plus tokenizer-bestanden, samen ongeveer 297 MB. De verwerking draait in een browser-worker zodat de hoofdinterface responsief blijft. WebGPU is de voorkeursbackend als je browser en grafische adapter die ondersteunen; de WebAssembly CPU-backend is de tragere fallback. Browsers cachen deze bestanden meestal, maar privébrowser-modi, opschoonacties of weinig schijfruimte kunnen een nieuwe download afdwingen.

De tool verwerkt maximaal de eerste 1.000 Unicode-tekens van je invoer om de prestaties voorspelbaar te houden. De tokenizer van het model kort lange tekst bovendien af tot het toegestane invoervenster. De drie gerapporteerde scores vergelijken de labels negatief, neutraal en positief met elkaar. Ze zijn nuttig als relatieve indicatie, maar het zijn geen gegarandeerde of gekalibreerde waarschijnlijkheden van juistheid.

Veelgestelde vragen

Wordt mijn tekst naar een server geüpload?

Nee. Je tekst gaat naar een worker binnen je browser en het model draait op je eigen apparaat. De worker downloadt wel de openbare Transformers.js-runtime en modelbestanden van externe hosts, maar die netwerkverzoeken bevatten je geplakte tekst niet. CanDoYa ontvangt of bewaart het voorbeeld niet.

Is deze sentimentanalyse tool gratis?

Ja. Er is geen account, betaling, API-sleutel of quotum voor analyses. Je eigen apparaat doet het rekenwerk. De praktische kosten zijn de eerste modeldownload, lokale browseropslag, geheugen en rekentijd. Je netwerkprovider kan wel datakosten rekenen voor het downloaden van het model.

Hoeveel tekst kan ik analyseren?

Je kunt een gewone alinea of kort fragment plakken, maar de tool analyseert maximaal de eerste 1.000 Unicode-tekens om browser-inferentie voorspelbaar te houden. De tokenizer van het model kort de tekst daarnaast af tot zijn invoervenster. Analyseer lange documenten per samenhangend onderdeel in plaats van één label als samenvatting van het hele document te gebruiken.

Welke talen ondersteunt het sentimentmodel?

De sentiment-fijn-afstelling dekt Arabisch, Engels, Frans, Duits, Hindi, Italiaans, Portugees en Spaans. Het meertalige basismodel kan ook voor andere talen labels teruggeven, maar daar is geen dezelfde taak-specifieke trainingsbasis voor. Deze Nederlandstalige CanDoYa-pagina markeert zulke resultaten daarom als benaderend.

Wat betekenen negatief, neutraal en positief?

Negatief betekent dat het model een ongunstige algemene toon vindt. Neutraal betekent dat het geen duidelijke positieve of negatieve richting ziet. Positief betekent dat het een gunstige algemene toon vindt. Deze labels beschrijven het volledige ingediende fragment; het zijn geen emotiecategorieën en ze bewijzen niet wat de schrijver gelooft of bedoelt.

Wat betekenen de modelscores?

De drie scores rangschikken negatief, neutraal en positief voor deze invoer en tellen meestal op tot ongeveer 100 procent. Ze zijn vooral handig om de labels onderling te vergelijken. Het zijn geen gegarandeerde of gekalibreerde kansen op juistheid. Een hoge score kan nog steeds fout zijn, zeker als de tekst buiten het domein valt waarop het model is getraind.

Waarom is de eerste download ongeveer 297 MB?

De tool gebruikt gequantiseerde XLM-R ONNX-gewichten van ongeveer 279 MB plus tokenizer-data van ongeveer 17 MB. Dat is veel groter dan een trefwoordenlijst, maar het vangt contextuele taalpatronen in plaats van alleen positieve en negatieve woorden te tellen. De browser cachet deze bestanden meestal na de eerste run, al is dat niet gegarandeerd in elke modus.

Werkt de analyser ook zonder WebGPU?

Ja. De worker probeert eerst WebGPU te gebruiken als je browser en grafische adapter dat ondersteunen. Als dat niet beschikbaar is of niet start, probeert de tool het opnieuw met de WebAssembly CPU-backend. Analyse op de CPU gebruikt hetzelfde model en houdt je tekst lokaal, maar laden en inferentie kunnen merkbaar langer duren.