谷歌云 | Gemini 大模型赋能 BigQuery 情感分析：解码客户评论，洞悉市场风向

本文链接：https://blog.youkuaiyun.com/CLOUDACE/article/details/140273229

情感分析是企业洞察客户需求和改进产品服务的重要工具。近年来，随着自然语言处理 (NLP) 技术的飞速发展，情感分析变得更加精准高效。Google 推出的 Gemini 模型，作为大型语言模型 (LLM) 的代表，拥有强大的文本处理能力，可帮助企业轻松实现情感分析。

Gemini 模型在 BigQuery 中的应用

BigQuery 作为 Google 云数据仓库，拥有强大的数据分析能力。将 Gemini 模型与 BigQuery 结合，可以实现更加高效的情感分析。具体来说，BigQuery 提供了 ML.GENERATE_TEXT 函数，该函数允许您直接在 SQL 查询中利用 Gemini 模型来分析 BigQuery 表中的文本。这意味着您无需将数据从 BigQuery 迁移到其他平台或编写复杂的代码，就可以进行深入的文本分析。

ML.GENERATE_TEXT 函数还可用于使用基于gemini-pro-vision 多模态模型的远程模型来生成描述视觉内容的文本。该功能主要具有以下优势：

易于使用： 基于 SQL 的查询方式，即使非专业人员也能轻松上手。
可扩展性： BigQuery 可以处理海量数据，Gemini 模型可以高效分析大规模文本数据。
强大的分析能力： Gemini 模型可以进行细粒度的文本分析，提取情感、主题、关键词等信息。
灵活的应用场景： 情感分析、主题提取、文本摘要、文本生成等多种场景。

接下来，我们以假设的一个打车公司为例，了解如何使用 ML.GENERATE_TEXT 函数：

设置说明：

开始之前，请选择您的 GCP 项目，链接结算帐户，并启用必要的API；
创建云资源连接并获取连接的服务账户；
授予服务帐户访问权限。
加载数据。要从公共存储帐户加载，请使用以下命令：
1. 请将“[PROJECT_ID.DATASET_ID]”替换为您的 project_id，并输入数据集的名称
2. 该命令将在您的数据集中创建一个名为“ customer_review ”的表

CREATE SCHEMA IF NOT EXISTS `[PROJECT_ID.DATASET_ID]` OPTIONS (location='us');


LOAD DATA OVERWRITE `[PROJECT_ID.DATASET_ID].customer_review`
FROM FILES ( format = 'PARQUET',
uris = ['gs://data-analytics-golden-demo/rideshare-lakehouse-raw-bucket/rideshare_llm_export/v1/raw_zone/customer_review/000000000000.parquet']);