AI_SENTIMENT函数通过指定模型服务和输入列，利用Flink算子实现情感分析，输出情感分数、标签及置信度，但受限于模型平台的吞吐量限制可能导致反压或超时报错。-实时计算 Flink版(Flink)-阿里云帮助中心

使用限制

仅实时计算引擎VVR 11.4及以上版本支持。
使用 Flink AI 服务（内置模型）时，需使用 VVR 11.7 及以上版本引擎，并已开通 Flink AI服务（内置模型）。
AI_SENTIMENT语句相关的Flink算子的吞吐量受到模型平台限流的限制。当触及平台允许的访问流量上限时，Flink作业会表现出以该算子为瓶颈的反压现象。在限流情况严重时，可能会触发相关算子的超时报错及作业重启。

语法

AI_SENTIMENT(
  MODEL => MODEL <MODEL NAME>, 
  INPUT => <INPUT COLUMN NAME>
)

入参

参数

数据类型

说明

MODEL <MODEL NAME>

MODEL

注册的模型服务名字。详情请参见模型设置注册模型服务。

注意：目前需要该模型的输出类型为 VARIANT 类型。

STRING

模型的待分析数据。

输出

参数	数据类型	说明
score	DOUBLE	模型判断的情感分数（-1.0 到 1.0 之间）: -1.0：极度负面 -0.5：较为负面 -0.0：中性 0.5：较为正面 1.0 极度正面
label	STRING	情感标签（positive/negative/neutral）
confidence	DOUBLE	模型输出的置信度

示例

测试数据

id	movie_name	comment	actual_label
1	好东西	最爱小孩子猜声音那段，算得上看过的电影里相当浪漫的叙事了。很温和也很有爱。	POSITIVE
2	水饺皇后	乏善可陈	NEGATIVE

测试语句

示例SQL引用Flink内置模型，使用AI_SENTIMENT函数对电影评论进行情感分类预测。

CREATE TEMPORARY MODEL general_model
INPUT (`input` STRING)
OUTPUT (`content` VARIANT)
WITH (
    'provider' = 'openai-compat',
    'task' = 'chat/completions',
    'model' = 'qwen3.6-flash'
);

CREATE TEMPORARY VIEW movie_comment(id, movie_name,  user_comment, actual_label)
AS VALUES (1, '好东西', '最爱小孩子猜声音那段，算得上看过的电影里相当浪漫的叙事了。很温和也很有爱。', 'positive'), (2, '水饺皇后', '乏善可陈', 'negative');

-- Use positional argument to call AI_SENTIMENT
SELECT id, movie_name, actual_label, score, label, confidence FROM movie_comment, 
LATERAL TABLE(
  AI_SENTIMENT(
    MODEL general_model, user_comment));
    
-- Use named argument to call AI_SENTIMENT
SELECT id, movie_name, actual_label, score, label, confidence FROM movie_comment, 
LATERAL TABLE(
  AI_SENTIMENT(
    MODEL => MODEL general_model, 
    INPUT => user_comment));

输出结果

预测结果label 与实际结果actual_label一致。

id	movie_name	actual_label	score	label	confidence
1	好东西	positive	0.8	positive	0.95
2	水饺皇后	negative	-1.0	negative	0.95