> ## Documentation Index
> Fetch the complete documentation index at: https://villagesql.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Análise de Sentimento em Dados do MySQL

> Como executar análise de sentimento em texto armazenado no MySQL usando o ai_prompt() do VillageSQL — pontuando avaliações, tickets de suporte e feedback sem sair do SQL.

> [card] [VillageSQL is a drop-in replacement for MySQL with extensions.](https://villagesql.com/docs/en/8.4/stable/install-server.md)
>
> 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

```sql theme={null}
INSTALL EXTENSION vsql_ai;
```

A análise de sentimento é uma tarefa de classificação. O prompt especifica a escala e pede um resultado de uma única palavra:

```sql theme={null}
SET @key = 'sk-ant-your-api-key';

ALTER TABLE reviews ADD COLUMN sentiment VARCHAR(10);

-- max_execution_time only bounds SELECT statements — it has no effect on
-- this UPDATE. To cap how long it runs, get SELECT CONNECTION_ID() beforehand
-- and run KILL QUERY <id> from another session if it runs too long.

UPDATE reviews
SET sentiment = ai_prompt(
    'anthropic',
    'claude-haiku-4-5',
    @key,
    CONCAT(
        'What is the sentiment of this review? ',
        'Reply with exactly one word: positive, negative, or neutral.\n\n',
        'Review: ', review_text
    )
)
WHERE sentiment IS NULL
LIMIT 100;
```

Depois de rotuladas, consulte o sentimento como qualquer outra coluna:

```sql theme={null}
-- Sentiment distribution
SELECT sentiment, COUNT(*) AS count
FROM reviews
GROUP BY sentiment
ORDER BY count DESC;

-- Recent negative reviews that need attention
SELECT id, review_text, created_at
FROM reviews
WHERE sentiment = 'negative'
  AND created_at > NOW() - INTERVAL 7 DAY
ORDER BY created_at DESC;
```

### Adicionando uma pontuação numérica

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

```sql theme={null}
ALTER TABLE reviews ADD COLUMN sentiment_score TINYINT;

UPDATE reviews
SET sentiment_score = CAST(ai_prompt(
    'anthropic',
    'claude-haiku-4-5',
    @key,
    CONCAT(
        'Rate the sentiment of this review from 1 (very negative) to 5 (very positive). ',
        'Reply with a single digit only.\n\n',
        'Review: ', review_text
    )
) AS SIGNED)
WHERE sentiment_score IS NULL
LIMIT 100;

-- Average sentiment over time
SELECT DATE(created_at) AS day,
       ROUND(AVG(sentiment_score), 2) AS avg_score,
       COUNT(*) AS review_count
FROM reviews
WHERE sentiment_score IS NOT NULL
GROUP BY DATE(created_at)
ORDER BY day DESC;
```

### 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:

```sql theme={null}
ALTER TABLE reviews ADD COLUMN sentiment_detail JSON;

UPDATE reviews
SET sentiment_detail = ai_prompt(
    'anthropic',
    'claude-sonnet-5',  -- better model for nuanced structured output
    @key,
    CONCAT(
        'Analyze this review and return JSON with sentiment scores for each aspect. ',
        'Keys: product_quality, shipping, customer_service. ',
        'Values: positive, negative, neutral, or null if not mentioned. ',
        'Return only valid JSON.\n\n',
        'Review: ', review_text
    )
)
WHERE sentiment_detail IS NULL
LIMIT 50;

SELECT
    JSON_UNQUOTE(JSON_EXTRACT(sentiment_detail, '$.product_quality')) AS product,
    JSON_UNQUOTE(JSON_EXTRACT(sentiment_detail, '$.shipping')) AS shipping,
    review_text
FROM reviews
WHERE JSON_EXTRACT(sentiment_detail, '$.shipping') = '"negative"';
```

## 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](https://villagesql.com/docs/pt-BR/guides/ai-api-setup.md).

## 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](https://villagesql.com/docs/pt-BR/guides/text-classification.md) 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

| Problema | Solução |
| :- | :- |
| `FUNCTION <database>.ai_prompt does not exist` | Execute `INSTALL EXTENSION vsql_ai` |
| Retorna NULL | Verifique a chave da API, `max_execution_time` e o nome do modelo |
| A coluna de pontuação é preenchida com 0 em vez de NULL | `CAST('positive' AS SIGNED)` retorna 0 — o modelo retornou texto não numérico. Restrinja o prompt: "Reply with a single digit only, no other text." |
| Rótulos inconsistentes | Adicione "Reply with exactly one word" ao prompt; normalize com uma consulta após o UPDATE |

## Veja também

* [Executando Modelos de IA a partir de Consultas MySQL](https://villagesql.com/docs/pt-BR/guides/ai-prompts-in-mysql.md) — a função ai\_prompt() por trás da pontuação de sentimento
* [Classificando Texto no MySQL com IA](https://villagesql.com/docs/pt-BR/guides/text-classification.md) — rotulando texto por categoria junto com o sentimento
* [Sumarização com IA no MySQL](https://villagesql.com/docs/pt-BR/guides/ai-summarization.md) — resumindo o texto que você está pontuando


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.