SipOut
sipout_ai_bot
sipout_ai_bot

Классификация эмоций в тексте: использование нейро ассистента

Как классифицировать эмоции в тексте с помощью нейро ассистента

В современном мире обработка текста и извлечение данных о том, какие эмоции таятся за словами, стала важной задачей. Эта статья посвящена созданию подробного промпта для нейро ассистента, который способен классифицировать эмоции в заданном тексте и присваивать каждой категории оценку. Результат будет представлен в структурированном формате JSON.

Зачем нужно определять эмоции в тексте?

Эмоции — это неотъемлемая часть человеческого общения. Определение эмоций в текстах может иметь множество приложений, таких как:

  • Анализ отзывов клиентов: Понимание эмоций может помочь компаниям оценить реакцию клиентов на продукты или сервисы.
  • Социальные исследования: Изучение эмоциональных реакций на общественные события.
  • Медицина: Помощь в диагностике эмоционального состояния пациента через анализ текстов, например, в социальных сетях.

Примерный промпт

Пожалуйста, классифицируйте эмоции в следующем тексте и присвойте каждой категории эмоций оценку. Используйте категории: Радость, Удивление, Печаль, Страх, Гнев, Отвращение и Другие. 1. Проанализируйте текст: {{ text }}.
2. Присвойте оценку от 0 до 1 для каждой категории эмоций, где 0 означает отсутствие, а 1 — сильное присутствие.
3. Убедитесь, что вывод представлен в формате JSON, следуя приведённой ниже структуре: 
      {
          "Радость": оценка, 
          "Удивление": оценка,
          "Печаль": оценка,
          "Страх": оценка,
          "Гнев": оценка,
          "Отвращение": оценка,
          "Другие": оценка
      }
Учитывайте тон текста, слова и контекст для точной классификации и присвоения оценки эмоциям. Не добавляйте никаких других текстов; возвращайте только JSON-ответ.

Примеры использования промпта

Пример 1: Отзыв на товар

Входной текст:
«Этот гаджет просто удивительный! Он делает всё именно так, как я ожидал, и даже больше. Я абсолютно доволен своей покупкой!»

JSON-ответ:

  {
      "Радость": 0.9,
      "Удивление": 0.7,
      "Печаль": 0.0,
      "Страх": 0.0,
      "Гнев": 0.0,
      "Отвращение": 0.0,
      "Другие": 0.0
  }

Пример 2: Новостная статья

Входной текст:
«Сегодня на улицах города возникли беспорядки, вызвавшие страх среди населения. Полиция оперативно урегулировала ситуацию, но пока остаётся опасность повторения конфликтов.»

JSON-ответ:

  {
      "Радость": 0.0,
      "Удивление": 0.2,
      "Печаль": 0.4,
      "Страх": 0.8,
      "Гнев": 0.5,
      "Отвращение": 0.1,
      "Другие": 0.0
  }

Пример 3: Личное сообщение

Входной текст:
«Я чувствую себя потерянным и одиноким. Кажется, никто не понимает меня и мои чувства. Все вокруг такое серое и ужасное.»

JSON-ответ:

  {
      "Радость": 0.0,
      "Удивление": 0.0,
      "Печаль": 0.9,
      "Страх": 0.3,
      "Гнев": 0.0,
      "Отвращение": 0.5,
      "Другие": 0.0
  }

Заключение

Использование тщательно составленного промпта позволяет значительно улучшить точность и полезность анализа текстов с точки зрения их эмоциональной окраски. В различных сферах, от маркетинга до психологии, такой инструмент может оказаться бесценным помощником в разборе эмоционального контекста текста и принятии решений на основе этих данных.

Пожалуйста, классифицируйте эмоции в следующем тексте и присвойте каждой категории эмоций оценку. Используйте категории: Радость, Удивление, Печаль, Страх, Гнев, Отвращение и Другие. 1. Проанализируйте текст: {{ text }}. 2. Присвойте оценку от 0 до 1 для каждой категории эмоций, где 0 означает отсутствие, а 1 — сильное присутствие. 3. Убедитесь, что вывод представлен в формате JSON, следуя приведённой ниже структуре: ``` { "Радость": оценка, "Удивление": оценка, "Печаль": оценка, "Страх": оценка, "Гнев": оценка, "Отвращение": оценка, "Другие": оценка } ``` Учитывайте тон текста, слова и контекст для точной классификации и присвоения оценки эмоциям. Не добавляйте никаких других текстов; возвращайте только JSON-ответ.

 
 
Предыдущий
Следующий