VillageSQL is a drop-in replacement for MySQL with extensions.
All examples on this page work on VillageSQL. Install Now →
ai_prompt() 添加了一个。
标准方法:应用层情感分析
典型的做法是在 MySQL 之外运行情感打分 — 把行拉取到一个 Python 脚本中,由它调用情感库或 AI API,然后把分数写回去。这可行,但它把您的数据管道拆成了两部分:一些逻辑在 SQL 中,一些在 Python 中,批量重新打分还需要运行脚本。使用 VillageSQL:在 SQL 中进行情感分析
添加数值分数
对于趋势分析和求平均值,请要求返回 1–5 的分数而不是标签:基于方面的情感分析
如果您想按主题拆分情感 — 产品质量、配送、客户服务各自如何 — 请要求返回结构化的 JSON 输出:准确性说明
快速、廉价的模型(Claude Haiku、GPT-4o mini)对于直截了当的正面/负面/中性分类是可靠的。细微的情况 — 讽刺、褒贬混杂的评论、特定领域的用语 — 使用能力更强的模型会更好。如果准确性很重要,请在运行完整回填之前,抽取一部分模型输出与人工标签进行对照验证。 有关设置和提供商选项,请参阅 将 MySQL 连接到 AI API。常见问题
这与文本分类有何不同?
情感分析是一项专注于情绪基调的特定分类任务。用 AI 在 MySQL 中进行文本分类 介绍了通用模式;本指南展示了针对情感的提示词和基于分数的输出。我可以在插入行时运行情感分析吗?
可以通过触发器实现,但在 API 调用运行期间,每次 INSERT 会花费 5–30 秒。更好的做法是在计划的批处理作业中运行情感打分。非英语文本怎么办?
能力强的 AI 模型可以很好地处理多种语言。如果准确性下降,请在提示词中指明预期的语言:“Rate the sentiment of this French review…”如何处理 NULL 结果?
ai_prompt() 在失败时返回 NULL。请循环运行 UPDATE 批处理,直到没有 NULL 行为止,并在您的应用程序中按速率限制控制节奏。
故障排除
另请参阅
- 从 MySQL 查询中运行 AI 模型 — 为情感打分提供支持的 ai_prompt() 函数
- 用 AI 在 MySQL 中进行文本分类 — 在情感之外按类别为文本打标签
- MySQL 中的 AI 摘要 — 为您正在打分的文本生成摘要