Analyse de tonalité (classifications)

L'analyse de tonalité est actuellement disponible uniquement pour les langues française et anglaise, comme indiqué dans la rubrique support de langue .

L'analyse de la tonalité se fait à l'aide d'un modèle de classification préfabriqué, qui permet de détecter facilement les sons de langue dans un texte écrit. Il détecte sept tonalités : sad, frustrated, satisfied, excited, polite, impoliteet sympathetic.

Analyse de tonalité

Pour détecter la tonalité, utilisez l'ID du modèle de classification propre à la langue dans votre demande d'API.

L'ID du modèle de tonalité spécifique à la langue est formaté en tant que tone-classifications-xx-v1, où xx est un code de langue à deux caractères. Les langues disponibles sont les suivantes :

Langue	Code
Anglais	`en`
Français	`fr`

Exemple de fichier parameters.json :

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

Exemple de requête cURL :

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

Compréhension des analyses de tonalité

Le modèle renvoie des scores pour les tonalités suivantes :

Tonalité	Description
`excited`	Affiche de l'enthousiasme et un intérêt personnel
`frustrated`	Se sentir agacé et irritable
`impolite`	Irrespectueux et grossier
`polite`	Affichage d'un comportement rationnel et axé sur les buts
`sad`	Une émotion passive désagréable
`satisfied`	Réponse affective à la qualité de service perçue
`sympathetic`	Mode affectif de compréhension qui implique une résonance émotionnelle

Exemple de réponse :

{
  "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 du noeud final d'engagement client de Watson Tone Analyzer vers Natural Language Understanding

Vous pouvez migrer vos demandes d'analyse de l'engagement des clients de Watson Tone Analyzer vers Natural Language Understanding. Cela peut vous aider à mieux comprendre vos interactions avec les clients et à améliorer vos communications en général, ou pour des clients spécifiques.

Reformatage des données d'entrée

Dans Watson Tone Analyzer, vous transmettez à la méthode /v3/tone_chat un objet JSON ToneChatInputcomposé de utterances, textet d'une chaîne de caractèresuser facultative. Pour Natural Language Understanding, vous transmettez un objet JSON contenant text à analyser, ainsi qu'un ID de classification model spécifique à la langue, à la méthode /v1/analyze.

Mappage des demandes Tone Analyzer à NLU .

Présentation du contenu de votre réponse

Dans Watson Tone Analyzer, le service renvoie un objet UtteranceAnalyses JSON contenant une zone unique, utterances_tone, qui contient un tableau d'objets UtteranceAnalysis, y compris score et tone_id. Pour Natural Language Understanding, une zone classifications est renvoyée, contenant les objets confidence et class_name qui correspondent aux objets Watson Tone Analyzer score et tone_id.

Mappage de réponse Tone Analyzer à NLU .