dialog_sentiment_detection_mapper

Generates sentiment labels and analysis for user queries in a dialog.

This operator processes a dialog to detect and label the sentiments expressed by the user. It uses the provided history, query, and response keys to construct prompts for an API call. The API returns sentiment analysis and labels, which are then parsed and stored in the sample’s metadata under the ‘dialog_sentiment_labels’ and ‘dialog_sentiment_labels_analysis’ keys. The operator supports custom templates and patterns for prompt construction and output parsing. If no sentiment candidates are provided, it uses open-domain sentiment labels. The operator retries the API call up to a specified number of times in case of errors.

为用户查询在对话中生成情感标签和分析。

该算子处理对话以检测并标记用户表达的情感。它使用提供的历史记录、查询和响应键来构建API调用的提示。API返回情感分析和标签，然后解析并将结果存储在样本的元数据中的’dialog_sentiment_labels’和’dialog_sentiment_labels_analysis’键下。该算子支持自定义模板和模式用于提示构建和输出解析。如果没有提供情感候选，则使用开放领域情感标签。该算子在出现错误时最多重试指定次数的API调用。

Type 算子类型: mapper

Tags 标签: cpu, api

🔧 Parameter Configuration 参数配置

name 参数名

type 类型

default 默认值

desc 说明

api_model

<class ‘str’>

'gpt-4o'

API model name.

sentiment_candidates

typing.Optional[typing.List[str]]

None

The output sentiment candidates. Use open-domain sentiment labels if it is None.

max_round

typing.Annotated[int, Ge(ge=0)]

10

The max num of round in the dialog to build the prompt.

labels_key

<class ‘str’>

'dialog_sentiment_labels'

The key name in the meta field to store the output labels. It is ‘dialog_sentiment_labels’ in default.

analysis_key

<class ‘str’>

'dialog_sentiment_labels_analysis'

The key name in the meta field to store the corresponding analysis. It is ‘dialog_sentiment_labels_analysis’ in default.

api_endpoint

typing.Optional[str]

None

URL endpoint for the API.

response_path

typing.Optional[str]

None

Path to extract content from the API response. Defaults to ‘choices.0.message.content’.

system_prompt

typing.Optional[str]

None

System prompt for the task.

query_template

typing.Optional[str]

None

Template for query part to build the input prompt.

response_template

typing.Optional[str]

None

Template for response part to build the input prompt.

candidate_template

typing.Optional[str]

None

Template for sentiment candidates to build the input prompt.

analysis_template

typing.Optional[str]

None

Template for analysis part to build the input prompt.

labels_template

typing.Optional[str]

None

Template for labels part to build the input prompt.

analysis_pattern

typing.Optional[str]

None

Pattern to parse the return sentiment analysis.

labels_pattern

typing.Optional[str]

None

Pattern to parse the return sentiment labels.

try_num

typing.Annotated[int, Gt(gt=0)]

3

The number of retry attempts when there is an API call error or output parsing error.

model_params

typing.Dict

{}

Parameters for initializing the API model.

sampling_params

typing.Dict

{}

Extra parameters passed to the API call. e.g {‘temperature’: 0.9, ‘top_p’: 0.95}

kwargs

''

Extra keyword arguments.

📊 Effect demonstration 效果演示

test_default

DialogSentimentDetectionMapper(api_model='qwen2.5-72b-instruct')

📥 input data 输入数据

Sample 1: empty
history
('李莲花有口皆碑', '「微笑」过奖了，我也就是个普通大夫，没什么值得夸耀的。')
('是的，你确实是一个普通大夫，没什么值得夸耀的。', '「委屈」你这话说的，我也是尽心尽力治病救人了。')
('你自己说的呀，我现在说了，你又不高兴了。', 'or of of of of or or and or of of of of of of of,,, ')
('你在说什么我听不懂。', '「委屈」我也没说什么呀，就是觉得你有点冤枉我了')

📤 output data 输出数据

Sample 1: empty
history
['李莲花有口皆碑', '「微笑」过奖了，我也就是个普通大夫，没什么值得夸耀的。']
['是的，你确实是一个普通大夫，没什么值得夸耀的。', '「委屈」你这话说的，我也是尽心尽力治病救人了。']
['你自己说的呀，我现在说了，你又不高兴了。', 'or of of of of or or and or of of of of of of of,,, ']
['你在说什么我听不懂。', '「委屈」我也没说什么呀，就是觉得你有点冤枉我了']
__dj__meta__
dialog_sentiment_labels
赞赏、肯定
讽刺、不满
生气、愤怒、不满
困惑、不耐烦、烦躁
dialog_sentiment_labels_analysis
用户提到“李莲花有口皆碑”，这表明用户对李莲花的评价很高，认为她受到了广泛的赞誉和认可，语气中带有赞赏和肯定。
用户重复了LLM的话，但语气中似乎带有一些讽刺或不满，可能是因为觉得LLM过于谦虚，没有接受自己的赞美。
用户在回应时显得有些生气，可能是因为觉得LLM没有理解自己的本意，反而产生了误解。用户的情绪中包含了一些愤怒和不满。
用户表示听不懂LLM说的话，语气中带有困惑和不耐烦，可能是因为LLM的回答毫无意义，让用户感到更加烦躁。

✨ explanation 解释

This example demonstrates the default behavior of the operator, which analyzes the sentiment of each dialog in the provided history. The operator uses an API to detect and label the sentiments expressed by the user. The output includes both the sentiment labels (e.g., ‘赞赏、肯定’, ‘讽刺、不满’) and a detailed analysis of each sentiment (e.g., ‘用户提到“李莲花有口皆碑”，这表明用户对李莲花的评价很高，认为她受到了广泛的赞誉和认可，语气中带有赞赏和肯定。’). 此示例展示了算子的默认行为，它分析所提供历史记录中每个对话的情绪。算子使用API来检测并标记用户表达的情绪。输出包括情绪标签（例如，“赞赏、肯定”，“讽刺、不满”）以及对每种情绪的详细分析（例如，“用户提到‘李莲花有口皆碑’，这表明用户对李莲花的评价很高，认为她受到了广泛的赞誉和认可，语气中带有赞赏和肯定。”）。