Dieser Leitfaden erklärt, wie Sie die Stimmungs- und Emotionsklassifizierung in Discourse AI konfigurieren und die Berichte zur Untersuchung der Beiträge Ihrer Community nutzen.
Erforderliche Benutzerstufe: Administrator für die Konfiguration; Administrator oder Moderator zur Ansicht der Berichte.
Die Stimmungs- und Emotionsklassifizierung hilft Ihnen, Muster in den Diskussionen Ihrer Community zu erkennen:
- Stimmung klassifiziert Beiträge als positiv, neutral oder negativ.
- Emotion weist Punkte für 28 Labels zu, darunter Dankbarkeit, Neugier, Wut und Traurigkeit.
Dies sind separate Funktionen. Sie können eine oder beide aktivieren und für jede ein unterschiedliches Klassifizierungs-Backend auswählen. Die Berichte zählen klassifizierte Beiträge, nicht eindeutige Personen oder Persönlichkeitstypen. Nutzen Sie sie, um lesenswerte Diskussionen zu finden, aber nicht als Ersatz für das Verständnis des Kontexts.
Bevor Sie beginnen
Sie müssen Discourse AI über discourse_ai_enabled aktivieren und ein konfigurierbares Klassifizierungs-Backend einrichten.
Gehostet von Discourse? Ihre Website verfügt möglicherweise bereits über dedizierte Klassifizierungs-Endpunkte. Prüfen Sie die vorhandene Konfiguration, bevor Sie sie ändern. Kontaktieren Sie team@discourse.org, wenn Sie Hilfe bei der Verfügbarkeit, der Endpunkt-Konfiguration oder beim Nachfüllen (Backfill) von Grenzen benötigen.
Selbst gehostet? Konfigurieren Sie einen kompatiblen dedizierten Endpunkt, einen KI-Agenten mit einem Sprachmodell oder ein Entscheidungsmodell. Die bloße Aktivierung der Funktion stellt keinen Inferenzdienst bereit.
Überprüfen Sie die Datenschutzrichtlinie, die Aufbewahrungsregeln und die Kosten Ihres Anbieters, bevor Sie die automatische Verarbeitung aktivieren. Die Klassifizierung sendet den Beitragstext an das ausgewählte Backend. Die folgenden Screenshots verwenden erfundene Beiträge auf einer Testwebsite und ein Entscheidungsmodell; sie empfehlen diesen Anbieter nicht für Inhalte privater Communities.
Stimmung und Emotion konfigurieren
- Öffnen Sie Admin → Plugins → AI → Features.
- Öffnen Sie „Stimmung und Emotion“.
- Wählen Sie unter „Stimmung“ „Aktiviert“, wenn Sie eine Klassifizierung in positiv, neutral und negativ wünschen. Dies steuert
ai_sentiment_enabled. - Wählen Sie das „Backend“ aus und konfigurieren Sie den entsprechenden Endpunkt, Agenten oder das Modell wie unten beschrieben.
- Wählen Sie unter „Emotion“ „Aktiviert“, wenn Sie eine Emotionsklassifizierung wünschen. Dies steuert
ai_sentiment_emotion_enabled. - Wählen Sie das Backend aus und konfigurieren Sie es unabhängig.
- Legen Sie die in der nächsten Section beschriebenen Limits für die Hintergrundverarbeitung fest.
- Klicken Sie auf „Senden“ und überprüfen Sie, ob Ihre Auswahl gespeichert wurde.
Dieses Beispiel verwendet ein Entscheidungsmodell für beide Funktionen. „Beiträge pro Stunde“ ist bewusst auf 0 gesetzt, um die automatische Scan während des Tests zu pausieren. Verwenden Sie einen positiven Wert, um neue und historische Beiträge automatisch zu verarbeiten.
Dedizierte Klassifizierungs-Endpunkte verwenden
Wählen Sie „Dedizierter Klassifizierungs-Endpunkt“ für jede Funktion, die Sie mit einem dedizierten Modell ausführen möchten. Folgen Sie „Dedizierte Klassifizierungs-Endpunkte konfigurieren“ bis zur Einstellung ai_sentiment_model_configs.
Die referenzierten dedizierten Modelle sind:
| Funktion | Modell |
|---|---|
| Stimmung | cardiffnlp/twitter-roberta-base-sentiment-latest |
| Emotion | SamLowe/roberta-base-go_emotions |
Jeder Konfigurationseintrag identifiziert seinen classification_type (sentiment oder emotion), model_name, endpoint und api_key. Geben Sie einen separaten Eintrag für jeden dedizierten Klassifizierer an, den Sie verwenden. Halten Sie Zugangsdaten vertraulich; geben Sie sie nicht in Support-Beiträgen oder Screenshots an.
Siehe Selbsthosting von Stimmung und Emotion für Discourse AI für die Bereitstellung des Inferenz-Servers. Aktivieren und wählen Sie jede Funktion separat über die oben genannten Steuerelemente.
Das dedizierte Backend erwartet eine kompatible Klassifizierungs-API. Das Kopieren eines Anthropic-, OpenAI-Chat- oder Azure-Language-Endpunkts in diese Einstellung macht ihn nicht kompatibel. Ein erfolgreicher Verbindungstest für ein Sprachmodell an anderer Stelle in Discourse testet keinen dedizierten Stimmungs-Endpunkt.
KI-Agent oder Entscheidungsmodell verwenden
Wählen Sie für „LLM-Agent“ einen geeigneten Klassifizierer-Agenten mit einem konfigurierten Sprachmodell. Discourse enthält Stimmungs- und Emotionsklassifizierer-Agenten. Ein allgemeiner Gesprächsagent ist kein Ersatz für einen Agenten, der so konfiguriert ist, dass er die erwarteten Label-Punkte zurückgibt.
Wählen Sie für „Entscheidungsmodell“ zunächst ein kompatibles Entscheidungsmodell konfigurieren und testen, und wählen Sie es dann für jede aktivierte Funktion aus. Ein Entscheidungsmodell benötigt für diese Klassifizierung kein separates Gesprächssprachmodell.
Agenten- und Entscheidungsmodell-Anfragen können Anbietergebühren verursachen oder Credits verbrauchen. Überprüfen Sie die Datennutzungsregeln des ausgewählten Modells, bevor Sie es einer automatisch verarbeiteten Funktion zuweisen.
Verarbeitung und historische Abdeckung steuern
Ein geplanter Job prüft alle fünf Minuten auf Beiträge mit fehlenden Klassifizierungen. Neue und historische Beiträge teilen sich diesen Scan; Ergebnisse sind möglicherweise nicht sofort nach dem Posten verfügbar. Es gibt keine Mindestanzahl an Beiträgen oder Tagen, bevor Daten erscheinen können: Ein erfolgreich klassifizierter Beitrag kann bereits beitragen.
| Steuerelement | Website-Einstellung | Standard | Effekt |
|---|---|---|---|
| Beiträge pro Stunde | ai_sentiment_backfill_maximum_posts_per_hour |
240 |
Ungefähre Anzahl der pro Stunde verarbeiteten Beiträge. 0 stoppt den geplanten Scan, einschließlich neuer Beiträge. |
| Höchstalter der Beiträge in Tagen | ai_sentiment_backfill_post_max_age_days |
60 |
Scannen Sie Beiträge, die innerhalb dieses Altersfensters erstellt wurden. 0 bedeutet heute, nicht unbegrenzte Historie. |
Erhöhen Sie das Alterslimit, um ältere Beiträge einzubeziehen. Der geplante Job verarbeitet fehlende Ergebnisse im Laufe der Zeit; die Auswahl eines älteren Datumsbereichs im Bericht klassifiziert diese Historie nicht automatisch.
Die Rate ist ungefähr, keine exakte Anfrage- oder Ausgabenobergrenze. Die Aktivierung beider Klassifizierer kann zwei Anfragen pro Beitrag verursachen. Fehlgeschlagene Anfragen oder Ablehnungen können erneut versucht werden. Bearbeitete Beiträge werden separat geprüft und werden nicht durch die Rate oder Altersgrenzen des geplanten Scans kontrolliert.
Private Nachrichten, gelöschte Beiträge, gelöschte Themen und Nicht-Standard-Beitragstypen sind vom geplanten Backfill-Scan ausgeschlossen. Der Ausschluss privater Nachrichten im Scanner und in den Berichten ist keine Garantie für alle Klassifizierungspfade: Der Job für bearbeitete Beiträge wendet denselben PM-Filter nicht an. Berücksichtigen Sie dies, bevor Sie einen externen Anbieter konfigurieren.
Stimmung nach Kategorie oder Tag untersuchen
- Öffnen Sie Admin → Berichte → Stimmungsanalyse, oder besuchen Sie
/admin/reports/sentiment_analysisauf Ihrer Website. - Wählen Sie Start- und Enddatum.
- Wählen Sie „Kategorie“ oder „Tag“, um die Ergebnisse zu gruppieren.
- Verwenden Sie den entsprechenden Kategorie- oder Tag-Filter, um die Ergebnisse einzugrenzen. Die Kategoriefilterung bietet auch die Option, Unterkategorien einzubeziehen.
- Lesen Sie die Gesamtsumme jeder Gruppe und ihre positive, negative und neutrale Aufschlüsselung.
- Klicken Sie auf eine Zeile einer Gruppe, um ihr Diagramm und die zugrunde liegenden Beiträge zu inspizieren.
Das Beispiel enthält neun klassifizierte Beiträge: drei positive, drei negative und drei neutrale. Neutrale Beiträge sind in diesem Bericht enthalten.
In der Detailansicht:
- Wählen Sie „Alle“, „Positiv“, „Neutral“ oder „Negativ“, um die geladenen Beiträge zu filtern.
- Öffnen Sie das Thema eines Beitrags, um die umgebende Diskussion zu lesen.
- Verwenden Sie das Link-Symbol neben dem Diagramm, um die URL für diese Berichtsansicht zu kopieren. Empfänger benötigen weiterhin Staff-Zugriff.
- Klicken Sie auf „Zurück“, um zu den gruppierten Ergebnissen zurückzukehren.
Berichtsdaten beziehen sich darauf, wann Beiträge erstellt wurden, nicht wann die Klassifizierung lief. Ein Beitrag kann zu mehreren Tag-Gruppen beitragen, wenn sein Thema mehrere Tags hat, daher können Tag-Gesamtwerten denselben Beitrag mehr als einmal zählen.
Den allgemeinen Stimmungstrend lesen
Öffnen Sie den Bericht „Allgemeine Stimmung“ aus Admin → Berichte, oder besuchen Sie /admin/reports/overall_sentiment.
Der Score ist:
Anzahl positiver Beiträge − Anzahl negativer Beiträge
Ein positiver oder negativer Score muss größer als 0.6 sein, damit der Beitrag in dieser Gruppe zählt. Wenn weder der positive noch der negative Score die Schwelle überschreitet, behandelt der gruppierte Bericht den Beitrag als neutral. Die Schwelle ist fest; es gibt keine Website-Einstellung, um sie zu ändern.
Die allgemeine Stimmung ist eine Netto-Beitragsanzahl, nicht eine Durchschnittswahrscheinlichkeit oder ein Glücksprozentwert. Drei positive und drei negative Beiträge ergeben einen allgemeinen Score von 0, unabhängig davon, wie viele neutrale Beiträge es gibt. Untersuchen Sie die gruppierte Aufschlüsselung und die zugrunde liegenden Diskussionen, bevor Sie einen flachen Trend als Fehlen starker Meinungen interpretieren.
Emotionen untersuchen
Jede Emotion hat einen Bericht unter Admin → Berichte. Besuchen Sie beispielsweise /admin/reports/emotion_anger für „Wut“ oder /admin/reports/emotion_curiosity für „Neugier“. Wählen Sie einen Datumsbereich sowie eine tägliche, wöchentliche oder monatliche Gruppierung, um den Trend zu untersuchen.
Ein Emotionsbericht zählt Beiträge, deren Score für dieses Label größer als 0.1 ist. Diese Schwelle ist ebenfalls fest. Mehr als eine Emotion kann für denselben Beitrag qualifiziert sein, daher sind Emotions-Gesamtwerten nicht gegenseitig ausschließend.
Sie können Themen auch nach einer Emotion filtern. Besuchen Sie /filter?q=order:emotion_anger, um passende Themen zu finden, die nach der Anzahl der qualifizierten wut-klassifizierten Beiträge statt nach einem durchschnittlichen Emotions-Score sortiert sind. Verwenden Sie order:emotion_anger-asc, um die Reihenfolge umzukehren. Ohne einen activity-after:-Filter zählt diese Sortierung qualifizierte Beiträge aus dem letzten Jahr. Die üblichen Zugriffsrechte für Themenlisten gelten weiterhin.
Verfügbare Emotions-Labels
Bewunderung, Amüsement, Wut, Ärgernis, Zustimmung, Fürsorge, Verwirrung, Neugier, Verlangen, Enttäuschung, Missbilligung, Ekel, Verlegenheit, Aufregung, Angst, Dankbarkeit, Trauer, Freude, Liebe, Nervosität, Neutral, Optimismus, Stolz, Erkenntnis, Erleichterung, Reue, Traurigkeit und Überraschung.
Einschränkungen verstehen
- Klassifizierung ist modellabhängig. Sarkasmus, zitiertes Material, Fachsprache und mehrsprachige Diskussionen können falsch interpretiert werden. Sprachabdeckung und Genauigkeit hängen vom gewählten Modell ab. Scores von verschiedenen Backends sind nicht unbedingt gleich kalibriert.
- Berichte decken nur gespeicherte Ergebnisse ab. Eine aktivierte Funktion ohne funktionierendes Backend, pausierte Verarbeitung oder unzureichende historische Abdeckung kann leere oder unvollständige Berichte erzeugen.
- Vorhandene Klassifizierungen werden wiederverwendet. Das Bearbeiten eines klassifizierten Beitrags ersetzt seine Ergebnisse nicht automatisch. Auch das Ändern des ausgewählten Agenten oder Entscheidungsmodells innerhalb desselben Backends reklassifiziert vorhandene Ergebnisse nicht.
- Backend-Änderung ändert die Quelle der Berichterstellung. Alte Ergebnisse werden nicht in das ausgewählte Backend konvertiert. Berichte können leer erscheinen, während fehlende Klassifizierungen verarbeitet werden.
- Berichte schließen private Nachrichten aus. Dieser Berichtsausschluss ist getrennt von der oben beschriebenen Datenverarbeitungseinschränkung.
Fehlen oder unerwartete Ergebnisse beheben
| Problem | Was zu prüfen ist |
|---|---|
| Keine Ergebnisse nach Aktivierung | Bestätigen Sie, dass die relevante Funktion aktiviert ist, ihr Backend konfiguriert ist, „Beiträge pro Stunde“ positiv ist und Hintergrund-Jobs laufen. Geben Sie dem Fünf-Minuten-Scan und der Verarbeitungswarteschlange Zeit. |
| Stimmung funktioniert, aber Emotion ist leer | Aktivieren und konfigurieren Sie „Emotion“ separat. Ein dedizierter Endpunkt nur für Stimmung stellt keine Emotionsklassifizierungen bereit. |
| Ältere Daten haben keine Ergebnisse | Erhöhen Sie das Beitragsalterslimit, geben Sie Verarbeitungszeit und prüfen Sie, ob der Berichtszeitraum die Erstellungsdaten der Beiträge umfasst. |
| Dedizierter Endpunkt gibt einen Fehler zurück | Prüfen Sie URL, Zugangsdaten, Modell und Antwortformat. Der Adapter erwartet ein flaches Array aus Labels und Scores, mit Stimmungs-Labels wie positive, neutral und negative, nicht beliebige Chat-Antworten oder LABEL_0-Stil-Labels. |
| Endpunkt im privaten Netzwerk nicht erreichbar | Prüfen Sie die Konnektivität und fügen Sie bei Bedarf nur den Hostnamen oder die IP des vertrauenswürdigen Inferenz-Endpunkts zu allowed_internal_hosts hinzu. Deaktivieren Sie Server-seitige Request-Fälschungsschutz (SSRF)-Schutzmechanismen nicht allgemein. |
| Ergebnisse ändern sich nicht nach einer Bearbeitung oder Modellwahl | Vorhandene Ergebnisse werden wiederverwendet. Nehmen Sie nicht an, dass das Bearbeiten von Inhalten oder das Speichern eines anderen Modells eine vollständige Reklastifizierung plant. |
| Ein Filter zeigt weniger Beiträge als die Anzahl an | Die Anzahl beschreibt die gesamte Gruppe, während Stimmungs-Tabs geladene Beiträge filtern. Prüfen Sie, ob weitere Ergebnisse geladen werden können, und öffnen Sie die Original-Themen, wenn Sie Abweichungen untersuchen. |
Administratoren können Agenten- und Entscheidungsmodell-Anfragedaten unter Admin → Plugins → AI → Logs überprüfen. Prüfen Sie /logs auf Fehler bei der Hintergrundklassifizierung, einschließlich Ausfällen dedizierter Endpunkte. Betrachten Sie Log-Inhalte als vertraulich: Sie können Beitragstexte und Modellantworten enthalten. Entfernen Sie Zugangsdaten und private Inhalte, bevor Sie Diagnosen teilen.
