DZone Java
在Neo4j中运行TypeSafe AI的Jev:实现置信度感知的情感判断
本文是该系列第三篇,介绍如何在Neo4j的Java UDF中调用TypeSafe AI的Jev模型进行情感分析。文章对比了前两种方案:基于VADER词典的纯Java UDF与嵌入Wasm运行时的方案,两者均完全本地化、无需网络。第三篇改为通过HTTPS调用Jev API,将文本作为状态传入,并提出情感分类与置信度评分两个类型化问题,返回choice、confidence、score及正面、负面、中性概率等结构化结果。Jev不生成文本,无需提示工程或JSON结果解析,其核心价值在于把决策与不确定性分离,便于对低置信度结果做人工复核等差异化处理。文章还给出Maven配置、UDF实现代码与部署步骤,并分析延迟(单次70至500毫秒)、成本(约每次0.000016美元)、网络依赖与数据合规等局限,指出该方案适合低频交互场景,高吞吐批量处理仍推荐本地VADER方案。