本文使用MaxCompute公共模型进行网络评论情感分析的场景实践。
场景说明
随着社交媒体和电商平台的快速发展,互联网用户产生的评论数据快速增长,蕴含着丰富的公众情绪与观点。网络评论情感分析(Sentiment Analysis on Online Comments)已成为舆情监控、品牌管理和产品优化的重要工具。本文通过一个实际案例,展示如何在MaxCompute中使用SQL调用AI Function,结合平台内置的公共大模型(如qwen3.7-max),直接对评论进行情感分类和地理信息提取。无需模型部署或外部服务,数据无需搬移,即可在安全可控的环境中完成智能分析,大幅提升分析效率与便捷性。
方案优势
基于MaxCompute的公共模型与AI Function,用户无需部署模型或开发函数,仅用简单SQL即可完成文本情感分析等复杂场景的数据分析任务。
分析过程在平台内部完成,无需数据搬迁,不依赖外部服务,保障数据安全与合规。
降低使用门槛,提升分析效率。相较于传统的数据分析方法,如使用静态映射表、正则表达式等,有更强的扩展性、灵活性和处理复杂关系的能力,无需投入较高的维护成本,使用门槛更低、业务更友好。
环境准备
开通MaxCompute和创建MaxCompute项目。如已完成可跳过此步骤。
数据准备
本示例中的命令通过本地客户端(odpscmd)运行。
建表
创建表详情请参见创建和删除表:
CREATE TABLE IF NOT EXISTS emotional_comment
(
content_id STRING COMMENT '评论id',
text STRING COMMENT '评论内容',
publish_time STRING COMMENT '评论时间',
use_id STRING COMMENT '用户id',
user_followers STRING COMMENT '用户粉丝数',
user_region STRING COMMENT '用户地域',
repost_count STRING COMMENT '转发量',
comment_count STRING COMMENT '评论量',
quote_count STRING COMMENT '点赞量'
);导入数据
样例数据文件下载:demo_comment.csv。
TUNNEL UPLOAD demo_comment.csv emotional_comment;
SELECT * FROM emotional_comment LIMIT 10;
+------------+------+--------------+--------+----------------+-------------+--------------+---------------+-------------+
| content_id | text | publish_time | use_id | user_followers | user_region | repost_count | comment_count | quote_count |
+------------+------+--------------+--------+----------------+-------------+--------------+---------------+-------------+
| 5087a5a3c22e3f4c | 今天天气真好,心情很不错!阳光明媚,适合出去散步。 | 2025/5/27 12:49 | user_918561 | 132169 | 西安市 | 1015 | 3197 | 1300 |
| 299aa8f97b6fee2f | 今天天气真好,心情很不错!阳光明媚,适合出去散步。 | 2025/5/31 07:46 | user_403208 | 669019 | 呼和浩特市 | 6616 | 4876 | 201 |
| e7ee00dec51b28f6 | 科技发展日新月异,人工智能改变生活。 | 2025/5/17 11:39 | user_291936 | 840757 | 南宁市 | 264 | 3668 | 174 |
| 0c0d61608cabbac3 | 疫情防控措施很到位,为医护人员点赞! | 2025/5/18 03:29 | user_154572 | 925604 | 福州市 | 2154 | 652 | 470 |
| 106b979787b580d1 | 今天天气真好,心情很不错!阳光明媚,适合出去散步。 | 2025/5/28 14:45 | user_528807 | 656952 | 青岛市 | 6617 | 3890 | 1275 |
| 6d0ddd047e904f24 | 教育改革政策需要更多时间来观察效果。 | 2025/5/27 09:53 | user_364415 | 780402 | 兰州市 | 8481 | 3923 | 552 |
| 5423e91487311d33 | 科技发展日新月异,人工智能改变生活。 | 2025/5/26 16:53 | user_656407 | 43750 | 福州市 | 2955 | 3944 | 603 |
| f08b430a00dd616a | 对这个政策表示强烈抗议,这完全不合理! | 2025/5/26 08:59 | user_876220 | 702103 | 长沙市 | 3771 | 1200 | 800 |
| 0e81a57f087e2a00 | 疫情防控措施很到位,为医护人员点赞! | 2025/5/23 00:12 | user_183558 | 328694 | 重庆市 | 9102 | 4385 | 1699 |
| 428446574e218bbb | 食品安全问题不容忽视,监管要更加严格。 | 2025/5/28 21:03 | user_672676 | 335778 | 广州市 | 8737 | 4590 | 665 |
+------------+------+--------------+--------+----------------+-------------+--------------+---------------+-------------+
查看公共模型
运行SQL命令查看公共模型qwen3.7-max。
+------------------------------------------------------------------------------------+
| Model Information |
+------------------------------------------------------------------------------------+
| Owner: RAM$odps@aliyun-inner.com:maxcompute_bigdata_public |
| Project: bigdata_public_modelset |
| Model Name: qwen3.7-max |
| Model Type: LLM |
| Source Type: REMOTE |
| Default Version: v1 |
| CreateTime: 2026-05-25 14:51:41 |
| LastModifiedTime: 2026-05-25 14:51:41 |
| Model ID: 724b2d7984f94**9514e23e1 |
| Comment: MaxCompute Public LLM Model qwen3.7-max |
+------------------------------------------------------------------------------------+
| Version Information |
+------------------------------------------------------------------------------------+
| Owner: RAM$odps@aliyun-inner.com:maxcompute_bigdata_public |
| Project: bigdata_public_modelset |
| Model Name: qwen3.7-max |
| Model Type: LLM |
| Source Type: REMOTE |
| Version Name: v1 |
| Version ID: de37f6e4323346eb**789194647 |
| Path: |
| CreateTime: 2026-05-25 14:51:41 |
| LastModifiedTime: 2026-05-25 14:51:41 |
| default_enable_thinking: TRUE |
| modelstudio_model_name: qwen3.7-max |
| price_tier: {
"tier1": [0,1024000]
} |
| reasoning_mode: TRUE |
+------------------------------------------------------------------------------------+
| Input | Type | Comment |
+------------------------------------------------------------------------------------+
+------------------------------------------------------------------------------------+数据分析
下面的示例代码展示了如何在MaxCompute中通过AI_GENERATE函数,结合公共大模型(qwen3.7-max),在一个SQL查询中同时完成两项AI推理任务:
地理信息解析:根据用户评论中的城市名称(如“西安市”),自动推断其所属的省级行政区(如“陕西省”);
情感倾向分类:对评论文本进行情感分析,输出标准化标签(“正面”、“负面”或“中性”)。
函数的使用详情参见AI_GENERATE:
-- 通过AI_GENERATE函数调用内置的千问3模型,生成所属省份名称和情感分析的标签结果。
SELECT
AI_GENERATE(
bigdata_public_modelset.`qwen3.7-max`,
default_version,
CONCAT(
'请提供以下城市所在的省份,如果该城市是直辖市或特区则直接显示该城市名,输出仅包含省份名称。城市名:',user_region),
'{"max_tokens": 1000, "temperature": 0.7}'
) as province,
user_region,
AI_GENERATE(
bigdata_public_modelset.`qwen3.7-max`,
default_version,
CONCAT(
'请对以下评论进行情感分析分类,输出结果仅限于以下三个选项之一:正面、负面、中性。待分析的评论:', text),
'{"max_tokens": 1000, "temperature": 0.7}'
) as sentiment_label,
text
FROM emotional_comment limit 20
;
-- 返回结果如下:
+----------+-------------+-----------------+------+
| province | user_region | sentiment_label | text |
+----------+-------------+-----------------+------+
| 陕西省 | 西安市 | 正面 | 今天天气真好,心情很不错!阳光明媚,适合出去散步。 |
| 内蒙古自治区 | 呼和浩特市 | 正面 | 今天天气真好,心情很不错!阳光明媚,适合出去散步。 |
| 广西壮族自治区 | 南宁市 | 正面 | 科技发展日新月异,人工智能改变生活。 |
| 福建省 | 福州市 | 正面 | 疫情防控措施很到位,为医护人员点赞! |
| 山东省 | 青岛市 | 正面 | 今天天气真好,心情很不错!阳光明媚,适合出去散步。 |
| 甘肃省 | 兰州市 | 中性 | 教育改革政策需要更多时间来观察效果。 |
| 福建省 | 福州市 | 正面 | 科技发展日新月异,人工智能改变生活。 |
| 湖南省 | 长沙市 | 负面 | 对这个政策表示强烈抗议,这完全不合理! |
| 重庆市 | 重庆市 | 正面 | 疫情防控措施很到位,为医护人员点赞! |
| 广东省 | 广州市 | 负面 | 食品安全问题不容忽视,监管要更加严格。 |
| 陕西省 | 西安市 | 中性 | 最近股市波动很大,投资需要谨慎。 |
| 山东省 | 济南市 | 正面 | 今天天气真好,心情很不错!阳光明媚,适合出去散步。 |
| 天津市 | 天津市 | 正面 | 新产品发布会很成功,期待后续发展。 |
| 天津市 | 天津市 | 正面 | 今天天气真好,心情很不错!阳光明媚,适合出去散步。 |
| 新疆维吾尔自治区 | 乌鲁木齐市 | 负面 | 房价又涨了,年轻人买房压力越来越大。 |
| 广西壮族自治区 | 南宁市 | 正面 | 新产品发布会很成功,期待后续发展。 |
| 青海省 | 西宁市 | 正面 | 体育赛事精彩纷呈,为运动员加油! |
| 黑龙江省 | 哈尔滨市 | 中性 | 最近股市波动很大,投资需要谨慎。 |
| 黑龙江省 | 哈尔滨市 | 正面 | 体育赛事精彩纷呈,为运动员加油! |
| 江苏省 | 南京市 | 负面 | 交通堵塞太严重了,上班迟到了半小时,真是烦人。 |
+----------+-------------+-----------------+------+