Was sind Stimmungsanalyse und Opinion Mining?

Stimmungsanalyse und Opinion Mining sind Features, die vom Sprachdienst angeboten werden. Dabei handelt es sich um eine Sammlung von Machine Learning- und KI-Algorithmen in der Cloud für die Entwicklung intelligenter Anwendungen, die geschriebene Sprache beinhalten. Mithilfe dieser Features können Sie durch Mining von Text auf Anhaltspunkte zu positiven oder negativen Stimmungen feststellen, was Personen von Ihrer Marke oder Ihrem Thema halten, und diese bestimmten Aspekten des Texts zuordnen.

Sowohl die Stimmungsanalyse als auch das Opinion Mining arbeiten mit einer Vielzahl von geschriebenen Sprachen.

Stimmungsanalyse

Beim Stimmungsanalyse-Feature werden Stimmungsbezeichnungen (z. B. „negativ“, „neutral“ und „positiv“) basierend auf der höchsten Zuverlässigkeitsbewertung angegeben, die vom Dienst auf Satz- und Dokumentebene gefunden wird. Darüber hinaus werden bei diesem Feature Zuverlässigkeitsbewertungen zwischen 0 und 1 für jedes Dokument und jeden darin enthaltenen Satz zurückgegeben (positive, neutrale und negative Stimmung).

Opinion Mining

Opinion Mining ist ein Feature der Stimmungsanalyse. Dieses Feature wird in der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) auch als aspektbasierte Stimmungsanalyse bezeichnet und bietet feiner abgestufte Informationen zu den Meinungen in Bezug auf Wörter (z. B. Attribute von Produkten oder Dienstleistungen) in Texten.

Vordefiniertes Modell

Typischer Workflow

Um dieses Feature zu verwenden, übermitteln Sie Daten zur Analyse und verarbeiten die API-Ausgabe in Ihrer Anwendung. Die Analyse wird ohne zusätzliche Anpassung des Modells durchgeführt, das für Ihre Daten verwendet wird.

1. Erstellen Sie eine Azure KI Language-Ressource, die Ihnen den Zugriff auf die Features von Azure KI Language ermöglicht. Hierbei werden ein Kennwort (als „Schlüssel“ bezeichnet) und eine Endpunkt-URL generiert, die Sie zum Authentifizieren von API-Anforderungen verwenden können.

2. Erstellen Sie eine Anforderung, indem Sie entweder die REST-API oder die Clientbibliothek für C#, Java, JavaScript oder Python verwenden. Sie können auch asynchrone Aufrufe per Batchanforderung senden, um API-Anforderungen für mehrere Features in einem gemeinsamen Aufruf zu kombinieren.

3. Senden Sie die Anforderung, die Ihre Textdaten enthält. Ihr Schlüssel und Endpunkt werden für die Authentifizierung verwendet.

4. Streamen oder speichern Sie die Antwort lokal.

Erste Schritte mit der Stimmungsanalyse

Um die Stimmungsanalyse zu verwenden, übermitteln Sie unformatierten und unstrukturierten Text zur Analyse und verarbeiten die API-Ausgabe in Ihrer Anwendung. Die Analyse wird ohne zusätzliche Anpassung des Modells durchgeführt, das für Ihre Daten verwendet wird. Es gibt zwei Möglichkeiten, die Stimmungsanalyse zu verwenden:

Entwicklungsoption	BESCHREIBUNG
Language Studio	Language Studio ist eine webbasierte Plattform, mit der Sie ohne Azure-Konto und mit Ihren eigenen Daten die Verknüpfung von Entitäten mit Textbeispielen ausprobieren können, wenn Sie sich registrieren. Weitere Informationen finden Sie auf der Language Studio-Website oder im Language Studio-Schnellstart.
REST-API oder Clientbibliothek (Azure SDK)	Integrieren Sie die Stimmungsanalyse mithilfe der REST-API oder der in einer Vielzahl von Sprachen verfügbaren Clientbibliothek in Ihre Anwendungen. Weitere Informationen finden Sie im Schnellstart zur Stimmungsanalyse.
Docker-Container	Verwenden Sie den verfügbaren Docker-Container, um dieses Feature lokal bereitzustellen. Mithilfe dieser Docker-Container können Sie den Dienst näher an Ihre Daten heranbringen, um Compliance- oder Sicherheitsanforderungen zu erfüllen oder anderen betrieblichen Anforderungen gerecht zu werden.

Referenzdokumentation und Codebeispiele

Wenn Sie dieses Feature in Ihren Anwendungen verwenden, lesen Sie die folgende Referenzdokumentation und die Beispiele für Azure KI Language:

Entwicklungsoption/Sprache	Referenzdokumentation	Beispiele
REST-API	REST-API-Dokumentation
C#	C#-Dokumentation	Beispiele für C#
Java	Java-Dokumentation	Java-Beispiele
JavaScript	JavaScript-Dokumentation	JavaScript samples (JavaScript-Beispiele)
Python	Python-Dokumentation	Python-Beispiele

Benutzerdefiniertes Modell (Vorschau)

Mit der benutzerdefinierten Stimmungsanalyse können Benutzer benutzerdefinierte KI-Modelle erstellen, um Text in vom Benutzer vordefinierte Stimmungen zu klassifizieren. Durch das Erstellen eines Projekts für die benutzerdefinierte Stimmungsanalyse können Entwickler Daten iterativ bezeichnen, trainieren und auswerten sowie die Modellleistung verbessern, bevor sie das Modell für die Nutzung verfügbar machen. Die Qualität der bezeichneten Daten wirkt sich erheblich auf die Modellleistung aus. Um das Erstellen und Anpassen Ihres Modells zu vereinfachen, steht im Dienst ein benutzerdefiniertes Webportal zur Verfügung, auf das über Language Studio zugegriffen werden kann. Sie können problemlos erste Schritte mit dem Dienst ausführen, indem Sie diese Schnellstartanleitung befolgen.

Lebenszyklus der Projektentwicklung

Das Erstellen eines Projekts für die benutzerdefinierten Stimmungsanalyse umfasst in der Regel mehrere verschiedene Schritte.

Führen Sie die folgenden Schritte aus, um Ihr Modell optimal zu nutzen:

1. Definieren Ihres Schemas: Sie müssen Ihre Daten kennen und die von Ihnen gewünschten Stimmungen identifizieren, um Mehrdeutigkeit zu vermeiden.

2. Bezeichnen von Daten: Die Qualität der Datenbezeichnung ist ein wichtiger Faktor beim Ermitteln der Modellleistung. Vermeiden Sie Mehrdeutigkeiten und stellen Sie sicher, dass Ihre Stimmungen klar voneinander zu trennen sind.

3. Trainieren des Modells: Ihr Modell beginnt mit dem Lernen auf der Grundlage der bezeichneten Daten.

4. Anzeigen der Modellleistung: Zeigen Sie die Auswertungsdetails für Ihr Modell an, um zu ermitteln, wie gut es bei der Einführung für neue Daten funktioniert.

5. Bereitstellen des Modells: Durch die Bereitstellung eines Modells wird dieses zur Verwendung über die Analyse-API zur Verfügung gestellt.

6. Text klassifizieren: Verwenden Sie Ihr benutzerdefiniertes Modell für Aufgaben der Stimmungsanalyse.

Entwicklungsoptionen

Entwicklungsoption	BESCHREIBUNG
Language Studio	Language Studio ist eine webbasierte Plattform, mit der Sie ohne Azure-Konto und mit Ihren eigenen Daten die Verknüpfung von Entitäten mit Textbeispielen ausprobieren können, wenn Sie sich registrieren.
REST-API	Integrieren Sie die Stimmungsanalyse programmgesteuert mithilfe der REST-API in Ihre Anwendungen.

Weitere Informationen finden Sie im Schnellstart zur Stimmungsanalyse.

Referenzdokumentation

Wenn Sie die benutzerdefinierte Stimmungsanalyse verwenden, lesen Sie die folgende Referenzdokumentation und die Beispiele für den Sprachdienst:

Entwicklungsoption/Sprache	Referenzdokumentation	Beispiele
REST-APIs (Dokumenterstellung)	REST-API-Dokumentation
REST-APIs (Runtime)	REST-API-Dokumentation

Verantwortungsbewusste künstliche Intelligenz

Ein KI-System umfasst nicht nur Technologie, sondern auch die Personen, die das System verwenden, die davon betroffenen Personen und die Umgebung, in der es bereitgestellt wird. Weitere Informationen zur verantwortungsbewussten Verwendung und Bereitstellung von KI in Ihren Systemen finden Sie im Transparenzhinweis für die Stimmungsanalyse. Weitere Informationen finden Sie auch in den folgenden Artikeln:

Nächste Schritte

• Die Schnellstartartikel mit Anweisungen zur erstmaligen Verwendung des Diensts.
  • Verwenden des vordefinierten Modells
  • Erstellen eines benutzerdefinierten Modells