Mi az a hangulatelemzés és a véleménybányászat?

A hangulatelemzés és a véleménybányászat a language szolgáltatás által kínált funkciók, amelyek gépi tanulási és AI-algoritmusok gyűjteménye a felhőben az írott nyelvet használó intelligens alkalmazások fejlesztéséhez. Ezek a funkciók segítenek kideríteni, hogy mit gondolnak az emberek a márkádról vagy a témádról azáltal, hogy szövegeket bányásznak a pozitív vagy negatív érzelmek nyomaira, és társíthatják őket a szöveg adott aspektusaival.

A hangulatelemzés és a véleménybányászat is számos írott nyelven működik.

Hangulatelemzés

A hangulatelemzési funkció hangulatcímkéket (például "negatív", "semleges" és "pozitív") biztosít a szolgáltatás által egy mondatban és dokumentumszinten talált legmagasabb megbízhatósági pontszám alapján. Ez a funkció 0 és 1 közötti megbízhatósági pontszámot is ad vissza a benne lévő dokumentum & mondataihoz a pozitív, semleges és negatív hangulat érdekében.

Véleménybányászat

A véleménybányászat a hangulatelemzés egyik funkciója. Más néven aspektusalapú hangulatelemzés a természetes nyelvi feldolgozásban (NLP), ez a funkció részletesebb információkat nyújt a szavakkal (például a termékek vagy szolgáltatások attribútumai) kapcsolatos véleményekről a szövegben.

Előre összeállított modell

Jellemző munkafolyamat

A funkció használatához elemzés céljából adatokat kell küldenie, és kezelnie kell az alkalmazás API-kimenetét. Az elemzés az adott módon történik, az adatokon használt modell további testreszabása nélkül.

1. Hozzon létre egy Azure AI Language-erőforrást, amely hozzáférést biztosít az Azure AI Language által kínált funkciókhoz. Létrehoz egy jelszót (úgynevezett kulcsot) és egy végpont URL-címét, amelyet az API-kérések hitelesítéséhez fog használni.

2. Hozzon létre egy kérést a REST API vagy a C#, Java, JavaScript és Python ügyfélkódtár használatával. Aszinkron hívásokat kötegkérel is küldhet, hogy egyetlen hívásba egyesítse a több funkcióHOZ tartozó API-kéréseket.

3. Küldje el az adatokat tartalmazó kérést nyers strukturálatlan szövegként. A rendszer a kulcsot és a végpontot használja a hitelesítéshez.

4. A válasz streamelhető vagy helyileg is tárolható.

A hangulatelemzés első lépései

A hangulatelemzés használatához nyers strukturálatlan szöveget kell küldenie elemzéshez, és kezelnie kell az API-kimenetet az alkalmazásban. Az elemzés az adott módon történik, az adatokon használt modell további testreszabása nélkül. A hangulatelemzés kétféleképpen használható:

Fejlesztési lehetőség	Leírás
Language Studio	A Language Studio egy webalapú platform, amely lehetővé teszi az entitások Azure-fiók nélküli szöveges példákkal és saját adatokkal való összekapcsolását a regisztráció során. További információt a Language Studio webhelyén vagy a Language Studio rövid útmutatójában talál.
REST API vagy ügyfélkódtár (Azure SDK)	Integrálhatja a hangulatelemzést az alkalmazásokba a REST API vagy a különböző nyelveken elérhető ügyfélkódtár használatával. További információt a hangulatelemzés rövid útmutatójában talál.
Docker-tároló	A szolgáltatás helyszíni üzembe helyezéséhez használja a rendelkezésre álló Docker-tárolót. Ezek a Docker-tárolók lehetővé teszik, hogy megfelelőségi, biztonsági vagy egyéb működési okokból közelebb hozza a szolgáltatást az adataihoz.

Referenciadokumentáció és kódminták

Ahogy ezt a funkciót használja az alkalmazásokban, tekintse meg a következő referenciadokumentációt és -mintákat az Azure AI-nyelvhez:

Fejlesztési lehetőség / nyelv	Referenciadokumentáció	Példák
REST API	REST API-dokumentáció
C#	C#-dokumentáció	C#-minták
Java	Java-dokumentáció	Java-minták
JavaScript	A JavaScript dokumentációja	JavaScript-minták
Python	Python-dokumentáció	Python-példák

Egyéni modell

Az egyéni hangulatelemzés lehetővé teszi, hogy a felhasználók egyéni AI-modelleket készítsenek a szöveg felhasználó által előre definiált hangulatokká való besorolásához. Egyéni hangulatelemzési projekt létrehozásával a fejlesztők iteratív módon címkézhetik fel az adatokat, betaníthatják, kiértékelhetik és javíthatják a modell teljesítményét, mielőtt használatba vehetővé teszik őket. A címkézett adatok minősége nagyban befolyásolja a modell teljesítményét. A modell létrehozásának és testreszabásának egyszerűsítése érdekében a szolgáltatás egy egyéni webportált kínál, amely a Language Studióban érhető el. A szolgáltatás használatának megkezdéséhez kövesse az alábbi rövid útmutató lépéseit.

Projektfejlesztési életciklus

Egyéni hangulatelemzési projekt létrehozása általában több különböző lépésből áll.

Kövesse az alábbi lépéseket, hogy a lehető legtöbbet hozhassa ki a modellből:

1. A séma meghatározása: Az adatok megismerése és a kívánt hangulatok azonosítása a kétértelműség elkerülése érdekében.

2. Adatok címkézése: Az adatok címkézésének minősége kulcsfontosságú tényező a modell teljesítményének meghatározásában. Kerülje a kétértelműséget, győződjön meg arról, hogy a véleményed egyértelműen elválasztható egymástól.

3. A modell betanítása: A modell elkezd tanulni a címkézett adatokból.

4. A modell teljesítményének megtekintése: Tekintse meg a modell kiértékelési adatait annak megállapításához, hogy milyen jól teljesít az új adatok bevezetésekor.

5. A modell üzembe helyezése: A modell üzembe helyezése elérhetővé teszi az Analyze API-n keresztül.

6. Szöveg besorolása: Az egyéni modell használata hangulatelemzési feladatokhoz.

Fejlesztési lehetőségek

Fejlesztési lehetőség	Leírás
Language Studio	A Language Studio egy webalapú platform, amely lehetővé teszi az entitások Azure-fiók nélküli szöveges példákkal és saját adatokkal való összekapcsolását a regisztráció során.
REST API	A hangulatelemzést programozott módon integrálhatja az alkalmazásokba a REST API használatával.

További információ: hangulatelemzési rövid útmutató.

Referenciadokumentáció

Az Egyéni hangulatelemzés használata során tekintse meg a language szolgáltatás alábbi referenciadokumentációját és mintáit:

Fejlesztési lehetőség / nyelv	Referenciadokumentáció	Példák
REST API-k (létrehozás)	REST API-dokumentáció
REST API-k (futtatókörnyezet)	REST API-dokumentáció

Felelősségteljes MI

Az AI-rendszerek nem csak a technológiát, hanem az azt használó személyeket, az érintett személyeket és az üzembe helyezés környezetét is magukban foglalják. Olvassa el az átláthatósági megjegyzést a hangulatelemzéshez , amelyből megtudhatja, hogy mi a felelős AI-használat és üzembe helyezés a rendszerekben. További információért tekintse meg az alábbi cikkeket is:

Következő lépések

• A gyorsútmutató cikkek a szolgáltatás első alkalommal történő használatára vonatkozó útmutatással.
  • Az előre összeállított modell használata
  • Egyéni modell létrehozása