Pular para o conteúdo principal

VillageSQL is a drop-in replacement for MySQL with extensions.

All examples on this page work on VillageSQL. Install Now →
A análise de sentimento diz se um texto expressa um sentimento positivo, negativo ou neutro. O caso de uso mais comum são avaliações de produtos e tickets de suporte — saber de relance se um cliente está satisfeito ou frustrado sem ler cada linha. O MySQL não tem uma função de sentimento integrada. O ai_prompt() do VillageSQL adiciona uma.

Abordagem Padrão: Sentimento na Camada de Aplicação

A configuração típica executa a pontuação de sentimento fora do MySQL — puxando linhas para um script Python que chama uma biblioteca de sentimento ou uma API de IA, e depois gravando as pontuações de volta. Isso funciona, mas divide seu pipeline de dados: parte da lógica fica no SQL, parte no Python, e uma repontuação em massa exige a execução de um script.

Com o VillageSQL: Sentimento em SQL

A análise de sentimento é uma tarefa de classificação. O prompt especifica a escala e pede um resultado de uma única palavra:
Depois de rotuladas, consulte o sentimento como qualquer outra coluna:

Adicionando uma pontuação numérica

Para análise de tendências e cálculo de médias, peça uma pontuação de 1 a 5 em vez de um rótulo:

Sentimento por aspecto

Se você quer o sentimento separado por tópico — qualidade do produto versus entrega versus atendimento ao cliente — peça uma saída JSON estruturada:

Notas sobre Precisão

Modelos rápidos e baratos (Claude Haiku, GPT-4o mini) são confiáveis para a classificação direta em positivo/negativo/neutro. Casos com nuances — sarcasmo, avaliações mistas, linguagem específica de um domínio — se beneficiam de um modelo mais capaz. Se a precisão importa, valide uma amostra das saídas do modelo contra rótulos humanos antes de executar um backfill completo. Para configuração e opções de provedores, consulte Conectando o MySQL a APIs de IA.

Perguntas Frequentes

Qual é a diferença em relação à classificação de texto?

A análise de sentimento é uma tarefa de classificação específica, focada no tom emocional. Classificando Texto no MySQL com IA cobre o padrão geral; este guia mostra prompts específicos de sentimento e saída baseada em pontuação.

Posso executar a análise de sentimento conforme as linhas são inseridas?

Sim, por meio de um trigger, mas cada INSERT vai levar de 5 a 30 segundos enquanto a chamada à API é executada. É melhor executar a pontuação de sentimento em um job em lote agendado.

E quanto a texto que não está em inglês?

Modelos de IA capazes lidam bem com muitos idiomas. Especifique o idioma esperado no prompt se a precisão cair: “Rate the sentiment of this French review…”

Como lido com resultados NULL?

O ai_prompt() retorna NULL em caso de falha. Execute o loop de lotes do UPDATE até que não restem linhas NULL, com um ritmo que respeite os limites de taxa na sua aplicação.

Solução de Problemas

Veja também