Précédent

Suivant

Exercice : Analyser le contenu d’un tweet

Effectué

Dans cet exercice, nous continuons à travailler sur notre application de supervision des réseaux sociaux. Nous allons analyser les tweets sur notre produit de sorte à déterminer s’ils sont positifs ou négatifs. Nous allons utiliser l’action Sentiment, qui fournit un score numérique qui représente le sentiment du tweet. Le diagramme suivant montre une vue conceptuelle du workflow et met en évidence la partie sur laquelle nous allons travailler.

Obtenir une clé et un point de terminaison pour Azure AI services

L’API Azure AI Language offre le traitement du langage naturel de texte et comprend des fonctionnalités telles que l’analyse des sentiments, l’extraction de phrases clés, la détection de langue et la liaison d’entités. Nous allons utiliser cette API pour l’analyse des sentiments et exécuter un script pour effectuer les tâches suivantes par programmation :

• Configurez un compte Azure AI Services.

• Inscrivez le service Analyse de texte.

• Retourner une clé de compte et une URL de point de terminaison pour Azure AI services. Pour cet exercice, nous avons besoin de ces valeurs pour effectuer des appels et récupérer des scores de sentiment.

1. Dans le Portail Azure, ouvrez une session Azure Cloud Shell en sélectionnant l’icône Cloud Shell en haut de l’écran. Vous pouvez également ouvrir une fenêtre Cloud Shell à l’adresse https://shell.azure.com.

2. Dans la fenêtre Azure Cloud Shell, exécutez la commande curl suivante pour copier le script setup-textanalytics.sh à partir de GitHub :

   curl https://raw.githubusercontent.com/MicrosoftDocs/mslearn-route-and-process-data-logic-apps/master/setup-textanalytics.sh > setup-textanalytics.sh
   

3. Exécutez la commande suivante pour exécuter le script. Cette commande prend quelques minutes.

   bash setup-textanalytics.sh
   

4. Attendez la fin du script. Quand la commande est terminée, Cloud Shell affiche des valeurs pour les propriétés suivantes.

   • Clé de compte Cognitive Services

   • Point de terminaison du compte Cognitive Services

5. Enregistrez les valeurs qui apparaissent dans Cloud Shell à un endroit sûr. Nous en aurons besoin dans cet exercice pour mettre à jour notre application dans le portail Azure.

Ajouter l’action Sentiment

Maintenant, nous allons ajouter l’action Sentiment à notre workflow à l’aide du portail Azure.

1. Dans le portail Azure, revenez au concepteur de workflow. Dans le menu Ressource d’application logique, sous Outils de développement, sélectionnez Concepteur d’applications logiques.

2. Sous le déclencheur X, sélectionnez Nouvelle étape.

3. Dans la zone de recherche Choisir une opération, entrez Cognitive Services.

4. Sélectionnez le connecteur Azure Cognitive Services for Language.

5. Dans la section Actions, sélectionnez Sentiment.

   La zone de profil de connexion s’affiche afin que vous puissiez fournir les informations pour votre connexion à votre compte Azure AI Services.

6. Fournissez les informations de connexion suivantes :

   Propriété	Obligatoire	Value	Description
   Nom de connexion	Oui	CognitiveServicesConnection	Nom à donner à votre connexion
   Type d'authentification	Oui	Clé API	Authentification à utiliser pour accéder à votre compte Azure AI services
   Clé de compte	Oui	<your-previously-saved-API-key>	Clé à utiliser pour accéder à votre compte Azure AI services
   URL du site	No	<your-saved-endpoint-address>	Adresse URL du point de terminaison de votre compte Azure AI services

7. Sélectionnez Créer lorsque vous avez terminé.

   L’action Sentiment et les propriétés s’affichent maintenant.

Configurer l’action Sentiment

Nous allons ensuite configurer les propriétés de l’action Sentiment pour transmettre le texte du tweet à partir du déclencheur X.

1. Dans l’action Sentiment, sélectionnez le champ documents-id. Fournissez un ID unique pour affecter votre document.

2. Ensuite, sélectionnez le champ documents-text.

   La liste de contenu dynamique s’affiche pour vous permettre de sélectionner des sorties à partir du déclencheur précédent ou des actions.

3. Dans la liste Contenu dynamique, sous Lorsqu’un nouveau tweet est publié, sélectionnez Texte du tweet.

   Substitution : si vous utilisez le déclencheur RSS nommé Lors de la publication d’un élément de flux, sélectionnez FeedSummary.

4. Enregistrez votre flux de travail.

   Cette étape envoie vos modifications à votre application logique déployée. Les tweets contenant le nom de votre produit vont être traités par Azure AI services et vont recevoir un score numérique. Souvenez-vous qu’un score proche de 1 correspond à un sentiment positif, tandis qu’un score proche de 0 reflète un sentiment négatif.

Passer en revue les résultats.

Dans cette section, vous allez voir comment superviser l’exécution de votre workflow d’application logique et afficher les données qui passent par chaque étape. Il est utile de connaître cette fonctionnalité, car vous pouvez confirmer si votre application fonctionne correctement.

1. Dans le menu des ressources de l’application logique, sélectionnez Vue d’ensemble.

2. Dans la barre d’outils du volet Vue d’ensemble, sélectionnez Actualiser chaque minute jusqu’à ce que la section Historique des exécutions affiche au moins une exécution terminée.

   Remarque

   Chaque élément de la liste Historique des exécutions représente un tweet distinct contenant le texte de recherche que vous avez fourni à votre déclencheur.

3. Une fois qu’au moins une exécution terminée s’affiche, sélectionnez l’exécution.

   Une page nommée Exécution de l’application logique s’ouvre pour afficher l’état de chaque étape du workflow et le temps nécessaire pour exécuter chaque étape. À partir de cette vue, vous pouvez également examiner les données qui ont transité par chaque étape.

4. Pour afficher les entrées et sorties de l’action, sélectionnez l’action Sentiment.

   La forme d’action s’étend pour afficher les sections ENTRÉES et SORTIES.

5. Dans la section SORTIES, recherchez le texte du tweet et le score qui est attribué par le moteur Azure AI services.

Continuer