Кому нужен этот промт и как он работает?
Этот промт предназначен для специалистов, работающих с анализом текстовых данных, таких как маркетологи, аналитики, исследователи и специалисты по обработке естественного языка. Он помогает автоматически выделять ключевые аспекты текста, определять оценку каждого аспекта и определять эмоциональную окраску высказываний. Таким образом, можно быстро и структурировано получить понимание мнений и отзывов, что важно для принятия решений и улучшения продуктов или услуг.
Промт решает задачу тонального и аспектного анализа — это когда не просто узнают общее мнение, а глубже изучают разные стороны темы. Он помогает систематизировать отзывы, комментарии или другое мнение, разбивая их на отдельные аспекты, указывая, положительное это мнение или отрицательное, и показывая конкретный фрагмент текста с этим мнением.
Работает промт просто: пользователь передаёт нейросети текст для анализа, а она на основе запроса извлекает аспекты, классифицирует их, добавляет оценку, полный текст предложения с мнением и указывает тональность. Результат оформляется в JSON для удобного дальнейшего использования, например, в аналитических системах или отчетах.
Готовый к использованию промт
|
1 |
Проанализируй указанный текст, выполните аспектно-ориентированный анализ мнений: классифицируй аспекты, укажи оценку и полное предложение, а также определи тональность (нейтральная, положительная или отрицательная). Представь результат в формате JSON. |
Как использовать промт и на что обратить внимание
Для получения качественного результата важно предоставить нейросети достаточно контекста — полный текст или объёмные отзывы, чтобы она могла выделить все ключевые аспекты.
Лучше разбивать большие тексты на логические части, если предстоит анализ большого массива данных, чтобы избежать потери важных деталей.
Рекомендуется проверять и дорабатывать полученный JSON, особенно если он планируется для автоматизированной обработки, чтобы избежать ошибок при парсинге.
Необходимо учитывать, что при очень коротком или слишком общом тексте результаты могут быть менее точными, а оценка эмоциональной окраски — неочевидной.
Примеры использования
Первый пример — анализ отзывов пользователей о мобильном приложении. Задача — определить, какие функции вызывают положительные и отрицательные эмоции, чтобы улучшить продукт.
|
1 |
Проанализируй следующий отзыв: "Интерфейс приложения удобный, но иногда зависает при запуске." Выполни аспектно-ориентированный анализ мнений: классифицируй аспекты, укажи оценку и полное предложение, а также определи тональность (нейтральная, положительная или отрицательная). Представь результат в формате JSON. |
Второй пример — разбор комментариев о качестве обслуживания в ресторане. Цель — выделить основные плюсы и минусы с эмоциями клиентов.
|
1 |
Проанализируй отзыв: "Персонал дружелюбный, но еда была холодной и невкусной." Сделай аспектно-ориентированный анализ мнений с классификацией аспектов, оценками, полными предложениями и определением тональности (нейтральная, положительная, отрицательная). Выведи результат в формате JSON. |
Пример ответа нейросети на этот промт
✅ Пример:{ «аспекты»: [ { «аспект»: «интерфейс», «оценка»: «положительная», «предложение»: «Интерфейс приложения удобный», «тональность»: «положительная» }, { «аспект»: «производительность», «оценка»: «отрицательная», «предложение»: «иногда зависает при запуске», «тональность»: «отрицательная» } ] }
Примечание: результат приблизительный и может отличаться.
Итог: зачем использовать этот промт?
Этот промт экономит время при обработке больших текстовых данных и помогает быстро структурировать отзывы или комментарии по аспектам с указанием эмоциональной оценки. Это удобный инструмент для автоматизированного анализа качества, маркетинговых исследований и повышения понимания пользовательского опыта.
Главное преимущество: быстрая и точная классификация аспектов и тональности в тексте с удобным JSON-форматом вывода
