Tonanalyse (Klassifikationen)

Die Tonanalyse ist derzeit nur für Englisch und Französisch verfügbar, wie im Abschnitt Sprachunterstützung angegeben.

Die Tonanalyse erfolgt mithilfe eines vordefinierten Klassifikationsmodells, das eine einfache Möglichkeit bietet, Sprachtöne in geschriebenem Text zu erkennen. Er erkennt sieben Töne: sad, frustrated, satisfied, excited, polite, impoliteund sympathetic.

Ton wird analysiert

Um den Ton zu erkennen, verwenden Sie die sprachspezifische Klassifikationsmodell-ID in Ihrer API-Anforderung.

Die sprachspezifische Tonmodell-ID wird als tone-classifications-xx-v1formatiert, wobei xx ein zweistelliger Sprachencode ist. Folgende Sprachen sind verfügbar:

Sprache	Code
Englisch	`en`
Französisch	`fr`

Beispiel für eine parameters.json-Datei:

{
  "language": "en",
  "text": "This is example text in English.",
  "features": {
    "classifications": {
      "model": "tone-classifications-en-v1"
    }
  }
}

Beispiel für curl-Anforderung:

curl --request POST \
--header "Content-Type: application/json" \
--user "apikey":"{apikey}" \
"{url}/v1/analyze?version=2021-08-01" \
--data @parameters.json

Tonanalyse verstehen

Das Modell gibt Scores für die folgenden Töne zurück:

Ton	Beschreibung
`excited`	Zeigt persönlichen Enthusiasmus und Interesse
`frustrated`	Gefühl genervt und reizbar
`impolite`	Respektlos und grob
`polite`	Rationales, zielorientiertes Verhalten anzeigen
`sad`	Eine unangenehme passive Emotion
`satisfied`	Eine affektbetonte Antwort auf eine gefühlte Servicequalität
`sympathetic`	Eine affektbetonte Art von Verständnis, die eine emotionale Resonanz beinhaltet

Beispielantwort:

{
  "usage": {
    "text_units": 1,
    "text_characters": 60,
    "features": 1
  },
  "language": "en",
  "classifications": [
    {
      "confidence": 0.564849,
      "class_name": "excited"
    },
    {
      "confidence": 0.355816,
      "class_name": "satisfied"
    },
    {
      "confidence": 0.126127,
      "class_name": "polite"
    },
    {
      "confidence": 0.026995,
      "class_name": "sympathetic"
    },
      {
      "confidence": 0.012211,
      "class_name": "frustrated"
    },
    {
      "confidence": 0.011065,
      "class_name": "sad"
    },
    {
      "confidence": 0.000872,
      "class_name": "impolite"
    }
  ]
}

Migration von einem Watson Tone Analyzer Customer Engagement-Endpunkt auf Natural Language Understanding

Sie können Ihre Watson Tone Analyzer -Kundenprojekt -Analyseanforderungen auf Natural Language Understandingmigrieren. Dies kann Ihnen helfen, Ihre Interaktionen mit Kunden besser zu verstehen und Ihre Kommunikation allgemein oder für bestimmte Kunden zu verbessern.

Eingabedaten neu formatieren

In Watson Tone Analyzerübergeben Sie die Methode /v3/tone_chat ein JSON-Objekt ToneChatInput , das aus utterances-, text-und optionalen user -Zeichenfolgefeldern besteht. Für Natural Language Understandingübergeben Sie ein JSON-Objekt, das zu analysierende text und eine sprachspezifische model klassifikations-ID enthält, an die Methode /v1/analyze .

Tone Analyzer -Anforderungszuordnung zu NLU .

Informationen zum Antwortinhalt

In Watson Tone Analyzergibt der Service ein JSON-Objekt UtteranceAnalyses zurück, das ein einzelnes Feld utterances_toneenthält, das ein Array von UtteranceAnalysis -Objekten enthält, einschließlich score und tone_id. Für Natural Language Understandingwird ein Feld classifications zurückgegeben, das confidence -und class_name -Objekte enthält, die den Objekten Watson Tone Analyzer score und tone_id entsprechen.

Tone Analyzer -Antwortzuordnung zu NLU .