Présentation

Effectué

Dans le traitement du langage naturel (NLP), l’analyse des sentiments et l’exploration des opinions sont essentielles pour extraire des insights précieux à partir de données textuelles. L’apprentissage de ces concepts, de leurs différences et de leurs avantages est essentiel pour créer des applications intelligentes qui traitent le langage écrit et fournissent des insights sur la façon dont les clients se sentent vraiment sur une marque, un produit ou une rubrique. L’analyse des sentiments fournit des insights sur les tendances du marché, les performances des concurrents et les préférences des consommateurs. Comprendre les sentiments aide les entreprises à adapter leurs stratégies en conséquence.

Scénario : Analyse du sentiment des révisions de propriétés utilisateur

Vous êtes développeur pour Margie’s Travel, une entreprise dont les applications web et mobiles connectent les voyageurs à la recherche d’hébergements avec des propriétaires et des gestionnaires immobiliers prêts à louer leurs propriétés. La base de données serveur flexible Azure Database pour PostgreSQL sauvegarde ces applications. L’une des fonctionnalités de l’application permet aux locataires de soumettre des avis sur les propriétés qu’ils louent. Ces révisions permettent à d’autres clients de déterminer la qualité des hébergements et l’utilité des hôtes. Vous êtes invité à utiliser Foundry Tools et l’extension azure_ai pour analyser le sentiment des révisions afin que les étiquettes descriptives puissent être appliquées en tant que filtres dans les applications.

Analyse des sentiments : Présentation de l’image globale

L’analyse des sentiments est comme avoir un radar émotionnel pour le texte. Il vous aide à évaluer les sentiments ou le ton émotionnel exprimé dans le contenu écrit. Qu’il s’agisse d’une révision de produit, d’un billet de médias sociaux ou d’un commentaire client, l’analyse des sentiments révèle si le sentiment est positif, négatif ou neutre. Cette fonctionnalité fournit des insights sur la façon dont les utilisateurs perçoivent votre marque, votre produit ou votre service.

Exploration de l’opinion : Aller au-delà des sentiments

L’exploration des opinions (également appelée analyse des sentiments basée sur des aspects) prend l’analyse des sentiments au niveau suivant. C’est comme des opinions dissectantes sous un microscope. Au lieu d’un sentiment global, l’exploration d’opinions effectue un zoom sur des aspects spécifiques du texte. Par exemple, il peut vous dire si les utilisateurs aiment les chambres spacieuses, mais trouvez les environs bruyants. Cette fonctionnalité fournit une compréhension plus approfondie des sentiments plus nuanceux associés à différents attributs et est idéal pour effectuer une analyse affinée.

Analyser les sentiments avec les outils Foundry

Le service Azure Language, qui fait partie de Foundry Tools, vous permet d’analyser les sentiments et les opinions à partir de données textuelles. L’incorporation de fonctionnalités d’analyse des sentiments dans vos applications peut être effectuée en toute transparence à l’aide de l’extension azure_ai pour le serveur flexible Azure Database pour PostgreSQL.

Objectifs d’apprentissage

Le module explore les fonctionnalités d’analyse des sentiments et d’exploration des opinions du service Azure Language et la façon dont l’extension azure_ai peut être utilisée pour intégrer l’analyse des sentiments directement dans vos bases de données PostgreSQL. Dans ce module, vous allez :

• Explorez les principes fondamentaux de l’analyse des sentiments et comment il peut être appliqué pour obtenir des insights sur les sentiments et les émotions des utilisateurs.
• Décrivez les techniques d’exploration de données d’opinion pour identifier les sentiments liés à des attributs spécifiques.
• Appliquez l’analyse des sentiments aux révisions utilisateur dans une base de données PostgreSQL à l’aide de l’extension azure_ai.

À la fin de ce module, vous êtes équipé pour créer des applications intelligentes qui comprennent les sentiments et les opinions directement dans votre base de données.