---
sourceDocument: 호주 API 참조
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/api-reference

 Release :

    - australia

ft:locale :

    - ko-KR

ft:publication_title :

    - 호주 API 참조

ft:clusterId :

    - crapiref

bundleId :

    - crapiref

workflow :

    - Creator


---

# 감정 분석기 - 범위 지정

# 감정 분석기 - 범위 지정 {#ariaid-title1}

* 릴리스 버전: Australia
* 
* 업데이트 날짜 2026년 03월 12일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 6분

SentimentAnalyser 스크립트 포함은 문자열 값에 대한 감정 분석을 수행하는 메서드를 제공합니다.

관리자가 실행하는 스크립트로 취급되는 스크립트에서 이 스크립트 포함을 사용해야 합니다. 예를 들어, 감정 분석 스크립트 포함을 스크립트 작업 또는 예약된 작업에 사용합니다.

범위가 지정된 애플리케이션에서 이 클래스를 사용하려면 `sn_nlp_sentiment` 네임스페이스 식별자를 사용하십시오. SentimentAnalyser API에 액세스하려면 감정 분석 플러그인(com.snc.sentiment_analysis)을 활성화해야 합니다.

## 감정분석기 - 감정분석기() {#ariaid-title2}

감정 분석에 사용되는 기본 커넥터 구성을 사용하여 SentimentAnalyser 클래스의 인스턴스를 생성합니다.  

    var sa = new sn_nlp_sentiment.SentimentAnalyser();

## 감정 분석기 - 감정 분석기(GlideRecord configGR) {#ariaid-title3}

감정 분석에 사용되는 지정된 커넥터 구성을 사용하여 SentimentAnalyser 클래스의 인스턴스를 만듭니다.
{#SA-SentimentAnalyser_G__table_vzp_jc1_l2b__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| configGR | GlideRecord | 커넥터 구성의 GlideRecord 객체입니다. |
[표 1. 매개변수]

{#SA-SentimentAnalyser_G__table_vzp_jc1_l2b}  

    var sa = new sn_nlp_sentiment.SentimentAnalyser(configGR);

## SentimentAnalyser - analyze(String inputText) {#ariaid-title4}

지정된 텍스트에 대한 감정 분석을 수행합니다.
{#SA-analyze_S__table_mzl_vfl_b2b__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 입력텍스트 | 문자열 | 감정 분석을 수행해야 하는 텍스트입니다. |
[표 2. 매개변수]

{#SA-analyze_S__table_mzl_vfl_b2b} {#SA-analyze_S__table_nzl_vfl_b2b__entry__2}

| 유형 | 설명 |
|-|-|
| JSON 객체 | 상태, 점수, 정규화된 점수, 관련 커넥터 구성의 sys_id 및 오류 메시지를 지정하는 감정 분석 결과입니다. |
[표 3. 반환]

{#SA-analyze_S__table_nzl_vfl_b2b}  


            var sa = new sn_nlp_sentiment.SentimentAnalyser();
            var result = sa.analyze ("Example string");

출력:

    {"status": "Success", "score": "0.7", "normalizedScore": "0.7", "connectorConfig": "10932aa773101300734e234ffff6a777", "errorMessage":""}

## 감정 분석기 - analyzeMultiple(배열 inputTextArray) {#ariaid-title5}

문자열 배열에 대한 감정 분석을 수행합니다.
{#SA-analyzeMultiple_A__table_gxm_gll_b2b__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| inputTextArray | 배열 | 감정 분석을 수행할 텍스트(문자열)의 배열입니다. |
[표 4. 매개변수]

{#SA-analyzeMultiple_A__table_gxm_gll_b2b} {#SA-analyzeMultiple_A__table_hxm_gll_b2b__entry__2}

| 유형 | 설명 |
|-|-|
| JSON 배열 | 상태, 점수, 정규화된 점수, 관련 커넥터 구성의 sys_id 및 오류 메시지를 지정하여 여러 텍스트에 대해 수행된 감정 분석의 결과를 제공하는 배열입니다. |
[표 5. 반환]

{#SA-analyzeMultiple_A__table_hxm_gll_b2b}  

    var sa = new sn_nlp_sentiment.SentimentAnalyser();
    var result = sa.analyzeMultiple (["Example string1","Example string2"]);

출력:

    [{"text": "I am happy","result": {Success", "score": "0.7", "normalizedScore": "0.7", "connectorConfig": "10932aa773101300734e234ffff6a777", "errorMessage":""}},{"text": "I am not happy","result": {Success", "score": "-0.7", "normalizedScore": "-0.7", "connectorConfig": "10932aa773101300734e234ffff6a777", "errorMessage":""}}]

## SentimentAnalyser - analyzeMultipleWithLanguage(Array inputTextArray, String language) {#ariaid-title6}

지정된 언어의 문자열 배열에 대한 감정 분석을 수행합니다.
{#SA-analyzeMultipleWithLanguage_A_S__table_qxx_h4m_b2b__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| inputTextArray | 배열 | 감정 분석을 수행할 텍스트(문자열)의 배열입니다. |
| 언어 | 문자열 | 입력 텍스트의 언어입니다. 이는 다양한 감정 서비스에 매우 적합할 수 있습니다. |
[표 6. 매개변수]

{#SA-analyzeMultipleWithLanguage_A_S__table_qxx_h4m_b2b} {#SA-analyzeMultipleWithLanguage_A_S__table_rxx_h4m_b2b__entry__2}

| 유형 | 설명 |
|-|-|
| JSON 배열 | 언급된 언어의 여러 텍스트에 대해 수행된 감정 분석 결과를 포함하는 배열로, 상태, 점수, 정규화된 점수, 관련 커넥터 구성의 sys_id 및 오류 메시지를 지정합니다. |
[표 7. 반환]

{#SA-analyzeMultipleWithLanguage_A_S__table_rxx_h4m_b2b}  

    var sa = new sn_nlp_sentiment.SentimentAnalyser();
    var result = sa.analyzeMultipleWithLanguage (["Example string1","Example string2"], "en");

출력:

    [{"text": "I am happy","result": {Success", "score": "0.7", "normalizedScore": "0.7", "connectorConfig": "10932aa773101300734e234ffff6a777", "errorMessage":""}},{"text": "I am not happy","result": {Success", "score": "-0.7", "normalizedScore": "-0.7", "connectorConfig": "10932aa773101300734e234ffff6a777", "errorMessage":""}}]

## SentimentAnalyser - analyzeWithLanguage(String inputText, 문자열 언어) {#ariaid-title7}

지정된 텍스트 및 언어에 대한 감정 분석을 수행합니다.
{#SA-analyzeWithLanguag_S_S__table_jgj_xjl_b2b__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 입력텍스트 | 문자열 | 감정 분석을 수행할 텍스트입니다. |
| 언어 | 문자열 | 입력 텍스트의 언어입니다. 이는 감정 서비스마다 다를 수 있습니다. |
[표 8. 매개변수]

{#SA-analyzeWithLanguag_S_S__table_jgj_xjl_b2b} {#SA-analyzeWithLanguag_S_S__table_kgj_xjl_b2b__entry__2}

| 유형 | 설명 |
|-|-|
| JSON 객체 | 상태, 점수, 정규화된 점수, 관련 커넥터 구성의 sys_id 및 오류 메시지를 지정하는 감정 분석 결과입니다. |
[표 9. 반환]

{#SA-analyzeWithLanguag_S_S__table_kgj_xjl_b2b}  

    var sa = new sn_nlp_sentiment.SentimentAnalyser();
    var result = sa.analyze ("Example string", "en");

출력:

    {"status": "Success", "score": "0.7", "normalizedScore": "0.7", "connectorConfig": "10932aa773101300734e234ffff6a777", errorMessage":""}

## SentimentAnalyser - getConnectorByName(String connectorName) {#ariaid-title8}

지정된 커넥터 구성의 GlideRecord를 반환합니다.
{#SA-getConnectorByName_S__table_gx4_cqm_b2b__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 커넥터 이름 | 문자열 | 커넥터 구성의 이름입니다. |
[표 10. 매개변수]

{#SA-getConnectorByName_S__table_gx4_cqm_b2b} {#SA-getConnectorByName_S__table_hx4_cqm_b2b__entry__2}

| 유형 | 설명 |
|-|-|
| GlideRecord | 지정된 커넥터 구성의 GlideRecord입니다. |
[표 11. 반환]

{#SA-getConnectorByName_S__table_hx4_cqm_b2b}  

    var sa = new sn_nlp_sentiment.SentimentAnalyser();
    var connector = sa.getConnectorByName("xxx");

출력:

    GlideRecord object of the connector configuration with name "xxx", null if no connector is named as "xxx".

## SentimentAnalyser - getDefaultConnector() {#ariaid-title9}

기본 커넥터 구성의 GlideRecord를 반환합니다.
{#SA-getDefaultConnector__table_b3c_cpm_b2b__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 안 함 |   |   |
[표 12. 매개변수]

{#SA-getDefaultConnector__table_b3c_cpm_b2b} {#SA-getDefaultConnector__table_c3c_cpm_b2b__entry__2}

| 유형 | 설명 |
|-|-|
| GlideRecord | 기본 커넥터 구성의 GlideRecord입니다. |
[표 13. 반환]

{#SA-getDefaultConnector__table_c3c_cpm_b2b}  

    var sa = new sn_nlp_sentiment.SentimentAnalyser();
    var defaultConnector = sa.getDefaultConnector();