Che cos'è l'analisi del sentiment e il opinion mining?

L'analisi del sentiment e il opinion mining sono funzionalità offerte dal servizio language, una raccolta di algoritmi di Machine Learning e intelligenza artificiale nel cloud per lo sviluppo di applicazioni intelligenti che coinvolgono il linguaggio scritto. Queste funzionalità consentono di scoprire cosa pensano le persone del marchio o dell'argomento tramite il testo di data mining per indizi sul sentiment positivo o negativo e possono associarle a aspetti specifici del testo.

Sia l'analisi del sentiment sia il lavoro di opinion mining con una varietà di lingue scritte.

Analisi del sentiment

La funzionalità di analisi del sentiment fornisce etichette del sentiment (ad esempio "negative", "neutral" e "positive") in base al punteggio di attendibilità più alto trovato dal servizio a livello di frase e documento. Questa funzionalità restituisce anche punteggi di attendibilità compresi tra 0 e 1 per ogni frase di documento & all'interno di essa per sentiment positivi, neutrali e negativi.

Opinion mining

Il opinion mining è una funzionalità dell'analisi del sentiment. Nota anche come analisi del sentiment basata su aspetti in Elaborazione del linguaggio naturale (NLP), questa funzionalità fornisce informazioni più granulari sulle opinioni relative alle parole (ad esempio gli attributi dei prodotti o dei servizi) nel testo.

Modello predefinito

Flusso di lavoro tipico

Per usare questa funzionalità, inviare i dati per l'analisi e gestire l'output dell'API nell'applicazione. L'analisi viene eseguita così come è, senza alcuna personalizzazione aggiuntiva per il modello usato sui dati.

1. Creare una risorsa del linguaggio di intelligenza artificiale di Azure, che concede l'accesso alle funzionalità offerte dal linguaggio di intelligenza artificiale di Azure. Genererà una password (denominata chiave) e un URL dell'endpoint che verrà usato per autenticare le richieste API.

2. Creare una richiesta usando l'API REST o la libreria client per C#, Java, JavaScript e Python. È anche possibile inviare chiamate asincrone con una richiesta batch per combinare le richieste API per più funzionalità in una singola chiamata.

3. Inviare la richiesta contenente i dati come testo non strutturato non elaborato. La chiave e l'endpoint verranno usati per l'autenticazione.

4. Trasmettere o archiviare la risposta in locale.

Introduzione all'analisi del sentiment

Per usare l'analisi del sentiment, inviare testo non strutturato non elaborato per l'analisi e gestire l'output dell'API nell'applicazione. L'analisi viene eseguita così come è, senza alcuna personalizzazione aggiuntiva per il modello usato sui dati. Esistono due modi per usare l'analisi del sentiment:

Opzione di sviluppo	Descrizione
Language Studio	Language Studio è una piattaforma basata sul Web che consente di provare a collegare entità con esempi di testo senza un account Azure e i propri dati quando si esegue l'iscrizione. Per altre informazioni, vedere il sito Web di Language Studio o la guida introduttiva di Language Studio.
API REST o libreria client (Azure SDK)	Integrare l'analisi del sentiment nelle applicazioni usando l'API REST o la libreria client disponibile in un'ampia gamma di lingue. Per altre informazioni, vedere la guida introduttiva all'analisi del sentiment.
Contenitore Docker	Usare il contenitore Docker disponibile per distribuire questa funzionalità in locale. Questi contenitori Docker consentono di avvicinare il servizio ai dati per motivi di conformità, sicurezza o altri motivi operativi.

Documentazione di riferimento ed esempi di codice

Quando si usa questa funzionalità nelle applicazioni, vedere la documentazione di riferimento e gli esempi seguenti per il linguaggio di intelligenza artificiale di Azure:

Opzione di sviluppo/linguaggio	Documentazione di riferimento	Esempi
API REST	Documentazione dell'API REST
C#	Documentazione di C#	Esempi per C#
Java	Documentazione di Java	Esempi di Java
JavaScript	Documentazione di JavaScript	Esempi JavaScript
Python	Documentazione di Python	Esempi per Python

Modello personalizzato

L'analisi del sentiment personalizzata consente agli utenti di creare modelli di intelligenza artificiale personalizzati per classificare il testo in sentiment predefiniti dall'utente. Creando un progetto di analisi del sentiment personalizzato, gli sviluppatori possono etichettare in modo iterativo i dati, eseguire il training, valutare e migliorare le prestazioni del modello prima di renderli disponibili per l'utilizzo. La qualità dei dati etichettati influisce notevolmente sulle prestazioni del modello. Per semplificare la compilazione e la personalizzazione del modello, il servizio offre un portale Web personalizzato accessibile tramite Language Studio. È possibile iniziare facilmente a usare il servizio seguendo la procedura descritta in questa guida introduttiva.

Ciclo di vita dello sviluppo del progetto

La creazione di un progetto di analisi del sentiment personalizzato comporta in genere diversi passaggi.

Per sfruttare al meglio il modello, seguire questa procedura:

1. Definire lo schema: conoscere i dati e identificare i sentiment desiderati, per evitare ambiguità.

2. Etichettare i dati: la qualità dell'etichettatura dei dati è un fattore chiave per determinare le prestazioni del modello. Evitare ambiguità, assicurarsi che i sentimenti siano chiaramente separabili l'uno dall'altro.

3. Eseguire il training del modello: il modello inizia a imparare dai dati etichettati.

4. Visualizzare le prestazioni del modello: visualizzare i dettagli di valutazione per il modello per determinare il livello di prestazioni quando vengono introdotti nuovi dati.

5. Distribuire il modello: la distribuzione di un modello lo rende disponibile per l'uso tramite l'API Analizza.

6. Classificare il testo: usare il modello personalizzato per le attività di analisi del sentiment.

Opzioni di sviluppo

Opzione di sviluppo	Descrizione
Language Studio	Language Studio è una piattaforma basata sul Web che consente di provare a collegare entità con esempi di testo senza un account Azure e i propri dati quando si esegue l'iscrizione.
API REST	Integrare l'analisi del sentiment nelle applicazioni a livello di codice usando l'API REST.

Per altre informazioni, vedere Avvio rapido sull'analisi del sentiment.

Documentazione di riferimento

Quando si usa l'analisi del sentiment personalizzata, vedere la documentazione di riferimento e gli esempi seguenti per il servizio language:

Opzione di sviluppo/linguaggio	Documentazione di riferimento	Esempi
API REST (creazione)	Documentazione dell'API REST
API REST (runtime)	Documentazione dell'API REST

IA responsabile

Un sistema di intelligenza artificiale include non solo la tecnologia, ma anche le persone che lo usano, le persone che ne saranno interessate e l'ambiente in cui viene distribuita. Leggere la nota sulla trasparenza per l'analisi del sentiment per informazioni sull'uso e la distribuzione di intelligenza artificiale responsabili nei sistemi. Per altre informazioni, vedere anche gli articoli seguenti:

Passaggi successivi

• Gli articoli di avvio rapido contengono istruzioni sull'uso del servizio per la prima volta.
  • Usare il modello predefinito
  • Creare un modello personalizzato