CanDoYa
PL

Analiza sentymentu - darmowe narzedzie w przegladarce

Ograniczone języki

Działa w całości w przeglądarce - bez wysyłania plików i bez rejestracji.

Wklej opinie, recenzje lub post z social mediow, aby ocenic jej ton.

Twoj tekst jest przetwarzany w workerze przegladarki i nigdy nie jest wysylany. Przy pierwszym uruchomieniu pobierany jest publiczny model AI.

Trzy ogolne etykiety sentymentu

Negatywna oznacza niekorzystny ton, neutralna brak wyraznego przechylu, a pozytywna korzystny ton.

Model byl dostrajany dla jezykow: arabski, angielski, francuski, niemiecki, hindi, wloski, portugalski i hiszpanski. Wyniki dla innych jezykow, w tym polskiego, sa przyblizone.

Zbudowany na podstawie postow z serwisow spolecznosciowych. Sarkazm, mieszane emocje, specjalistyczny jezyk i tekst w jezykach spoza dostrajania moga zostac zle oznaczone.

Udostępnij to narzędzie

Analiza sentymentu - co to jest?

Analiza sentymentu klasyfikuje ogolne nastawienie w tekscie jako negatywne, neutralne lub pozytywne. To narzedzie uruchamia wielojezyczny model XLM-T w przegladarce i pokazuje wynik dla kazdej etykiety. Twoj tekst zostaje na Twoim urzadzeniu, chociaz przy pierwszej analizie pobierany jest publiczny model.

Jak korzystać

  1. 1Wklej reprezentatywny fragment. Wpisz lub wklej recenzje, komentarz, wiadomosc lub post z serwisu spolecznosciowego. Pelne zdanie daje modelowi wiecej kontekstu niz pojedyncze slowo.
  2. 2Uruchom lokalny model. Kliknij Analizuj sentyment. Pozwol, aby pierwsze pobieranie modelu zakonczylo sie; przy kolejnych wizytach przegladarka moze uzyc tej kopii, dopoki pamiec podreczna pozostaje dostepna.
  3. 3Odczytaj trzy wyniki. Traktuj najwyzsza etykiete jako szeroki sygnal i porownaj jej wynik z pozostalych dwoch. Zblizone wyniki oznaczaja potrzebe oceny przez czlowieka, a nie twardy wniosek.

Dla kogo

Ten analizator sentymentu korzysta z modelu Cardiff NLP XLM-T, systemu XLM-R wytrenowanego na okolo 198 milionach wielojezycznych tweetow i dostrojonego pod katem sentymentu w osmiu jezykach: arabskim, angielskim, francuskim, niemieckim, hindi, wloskim, portugalskim i hiszpanskim. Etykiety oznaczaja ogolnie niekorzystny ton, brak wyraznego przechylu w strone pozytywna lub negatywna oraz ogolnie korzystny ton. Nie wykrywaja konkretnych emocji, prawdziwosci wypowiedzi, pilnosci ani intencji autora. Polski nie nalezy do jezykow dostrajania, wiec wyniki dla tekstu po polsku sa orientacyjne, nawet jesli wielojezyczny model zwraca konkretna etykiete.

Przy pierwszej analizie pobierane sa skwantowane wagi modelu ONNX oraz pliki tokenizera, lacznie okolo 297 MB. Transformers.js uruchamia w przegladarce watek worker, aby odciazyc glowny interfejs. WebGPU jest preferowane, gdy tylko przegladarka i karta graficzna je obsluguja; wolniejszym wariantem awaryjnym jest backend CPU w WebAssembly. Przegladarka zwykle buforuje te pliki, ale tryb prywatny, czyszczenie pamieci lub malo miejsca na dysku moga spowodowac ponowne pobranie. Tekst jest przetwarzany lokalnie w workerze i nie jest wysylany na serwer, natomiast publiczne pliki runtime i modelu sa pobierane z zewnetrznych hostow.

Najczęstsze pytania

Czy moj tekst jest wysylany na serwer?

Nie. Twoj tekst trafia do workera w przegladarce, a model uruchamia sie na Twoim urzadzeniu. Worker pobiera z zewnetrznych hostow publiczny runtime Transformers.js oraz pliki modelu, ale te zapytania nie zawieraja wklejonego tekstu. CanDoYa nie otrzymuje ani nie zapisuje probek tekstu.

Czy to narzedzie analizy sentymentu jest darmowe?

Tak. Nie ma kont, oplat, kluczy API ani limitu liczby analiz. Prace wykonuje Twoje urzadzenie. Praktycznym kosztem jest pierwsze pobranie modelu, lokalne miejsce w pamieci przegladarki, pamiec operacyjna i czas obliczen. Twoj operator sieci moze nadal naliczyc oplaty za dane potrzebne do pobrania modelu.

Ile tekstu moge przeanalizowac?

Mozesz wkleic zwykla wypowiedz, ale narzedzie analizuje maksymalnie pierwszych 1 000 znakow Unicode, aby zachowac przewidywalne dzialanie w przegladarce. Tokenizer modelu takze ucina tekst do swojego okna wejsciowego. W przypadku dlugich dokumentow analizuj spojne fragmenty osobno zamiast traktowac jedna etykiete jako podsumowanie calego dokumentu.

Ktore jezyki obsluguje model sentymentu?

Dostrajanie pod katem sentymentu objelo jezyki: arabski, angielski, francuski, niemiecki, hindi, wloski, portugalski i hiszpanski. Wielojezyczna baza modelu moze zwracac etykiety dla innych jezykow, ale dla tych wynikow brak takiego samego zadaniowego treningu. Dlatego inne wersje jezykowe CanDoYa, w tym polska, oznaczaja takie wyniki jako przyblizone.

Co oznaczaja etykiety negatywne, neutralne i pozytywne?

Negatywna oznacza, ze model wykryl ogolnie niekorzystny ton. Neutralna oznacza, ze nie znalazl wyraznego przechylu w strone pozytywna ani negatywna. Pozytywna oznacza ogolnie korzystny ton. Etykiety opisuja caly przeslany fragment, nie sa kategoriami emocji i nie dowodza, co autor faktycznie mysli lub zamierzal.

Co oznaczaja wyniki modelu?

Trzy wyniki porownuja etykiety negatywna, neutralna i pozytywna dla danego tekstu i zwykle sumuja sie do okolo 100 procent. Sa przydatne do porownywania etykiet modelu, ale nie sa gwarantowanymi ani skalibrowanymi prawdopodobienstwami poprawnosci. Wysoki wynik nadal moze byc bledny, zwlaszcza gdy tekst odbiega od danych treningowych lub zawiera sarkazm, ironie, cytaty czy zlozone emocje. Nie uzywaj tych wynikow jako jedynej podstawy przy decyzjach o wysokiej wadze.

Dlaczego pierwsze pobranie ma okolo 297 MB?

Narzedzie korzysta ze skwantowanych wag XLM-R w formacie ONNX o rozmiarze okolo 279 MB oraz danych tokenizera o rozmiarze okolo 17 MB. To znacznie wiecej niz lista slow kluczowych, ale pozwala uchwycic kontekstowe wzorce jezykowe zamiast jedynie zliczac pozytywne i negatywne slowa. Przegladarka zazwyczaj buforuje te pliki po pierwszym uruchomieniu, choc nie jest to gwarantowane.

Czy analizator dziala bez WebGPU?

Tak. Worker najpierw probuje uzyc WebGPU, gdy przegladarka i karta graficzna je obsluguja. Jesli ta sciezka jest niedostepna lub nie udaje sie jej uruchomic, narzedzie ponawia probe na backendzie CPU w WebAssembly. Analiza na CPU korzysta z tego samego modelu i zachowuje tekst lokalnie, ale ladowanie i wnioskowanie moga trwac dluzej.