Look what's just come on the market in #ValThorens! A recently renovated, charming 6 bed duplex apartment in the heart of the resort with superb views!
A análise de sentimentos é o processo de extração de um sentimento geral de um bloco de texto. Basicamente, trata-se de determinar se o texto é positivo ou negativo.
Os modelos de IA generativa, como o GPT-4, GPT-5, GPT-OSS 120B, LLaMA 3, Yi 34B e Mixtral 8x7B, são muito bons para efetuar análises de sentimentos e de emoções.
Por exemplo, imaginemos que o nosso programa encontra o seguinte Twit:
Look what's just come on the market in #ValThorens! A recently renovated, charming 6 bed duplex apartment in the heart of the resort with superb views!
Este é um Twit comercial que mostra claramente um sentimento positivo.
O modelo de Processamento de Linguagem Natural responsável pela análise de sentimentos devolveria o sentimento principal e a sua probabilidade. Neste caso, obteríamos um sentimento positivo com uma probabilidade elevada.
A análise das emoções consiste em detetar uma ou várias emoções a partir de um bloco de texto: tristeza, alegria, amor, raiva, medo, surpresa...
O modelo de Processamento de Linguagem Natural responsável pela análise das emoções devolveria cada emoção juntamente com a sua probabilidade.
Sentiment analysis and emotion analysis can be achieved with generative AI models like GPT-4 or GPT-5 but also but open-source alternatives like GPT-OSS 120B, LLaMA 3, Mixtral 8x7B, Yi 34B, and more. On NLP Cloud you can perform sentiment analysis and emotion analysis either with small and fast models like DistilBERT or with larger generative AI models like GPT-OSS 120B, LLaMA 3, Mixtral 8x7B, or Yi 34B. tr%

A análise de sentimentos e emoções pode ser interessante em muitas situações. Vamos dar alguns exemplos.
Imagine que está a trabalhar num departamento de marketing que publica regularmente novos conteúdos nas redes sociais. Pode querer monitorizar automaticamente as reacções dos utilizadores para intervir rapidamente em caso de feedback negativo.
Alguns pedidos de suporte podem ser mais urgentes do que outros, dependendo do grau de irritação dos utilizadores. A deteção automática do sentimento do utilizador pode ajudar o suporte a resolver os pedidos críticos mais rapidamente.
Aferir o sentimento de algumas pessoas na Internet é fácil, mas compreender o sentimento global de milhares de pessoas é outra coisa. A análise automatizada do sentimento é a solução chave neste caso.
Logo após o lançamento de um novo produto, pode ser fundamental reagir rapidamente em caso de má receção por parte de clientes, bloggers, jornalistas... A análise de sentimentos pode ajudar nessas situações.
O NLP Cloud propõe uma API de análise de sentimentos que lhe permite efetuar análises de sentimentos e de emoções de forma imediata, com base no DistilBERT Base Uncased Finetuned SST-2, no Distilbert Base Uncased Emotion, no Finbert da Prosus AI, no GPT-OSS 120B, no LLaMA 3, no Mixtral 8x7B, no Yi 34B, etc. São alternativas muito boas ao GPT-5 e ao GPT-4. O tempo de resposta (latência) é muito baixo para os modelos DistilBERT e Finbert. A precisão é mais elevada com modelos generativos como o GPT-OSS 120B, LLaMA 3, Mixtral 8x7B e Yi 34B. Pode utilizar o modelo pré-treinado ou treinar o seu próprio modelo, ou carregar os seus próprios modelos personalizados!
Para mais informações, consulte a nossa documentação sobre análise de sentimentos aqui. Para uma utilização avançada, consulte o ponto de extremidade da API de geração de texto aqui. E teste facilmente a análise de sentimentos no nosso parque infantil.
Testar localmente a análise de sentimentos/emoções é uma coisa, mas utilizá-la de forma fiável na produção é outra coisa. Com o NLP Cloud, pode fazer as duas coisas!