感情分析とオピニオン マイニングとは

感情分析とオピニオン マイニングは、Language サービスに用意されている機能であり、書き言葉が関係するインテリジェントなアプリケーションを開発するためのクラウドでの機械学習と AI アルゴリズムのコレクションです。 これらの機能を使用すると、テキストをマイニングして正または負の感情に関する手がかりを得ることで、人々がブランドやトピックについてどう考えているかを知ることができます。また、テキストの特定の側面と関連付けることができます。

感情分析とオピニオン マイニングは両方とも、さまざまな記述言語で動作します。

センチメント分析

感情分析機能には、文章とドキュメントレベルでサービスによって検出された最も高い信頼度スコアに基づいて、感情ラベル ("negative"、"neutral"、"positive" など) が用意されています。 また、この機能は、positive、neutral、negative (肯定的、中立的、否定的) のセンチメントに関し、各ドキュメントとその中の文章に対して 0 と 1 の間の信頼度スコアを返します。

意見マイニング

オピニオン マイニングは、感情分析の機能の 1 つです。 この機能は、自然言語処理 (NLP) ではアスペクトベースの感情分析とも呼ばれます。テキストに含まれる単語 (製品やサービスの属性など) に関連した意見について、より粒度の細かい情報が得られます。

事前構築済みのモデル

一般的なワークフロー

この機能を使用するには、分析のためのデータを送信し、アプリケーションで API 出力を処理します。 分析はそのままの状態で行われ、データに使用されるモデルに対して追加のカスタマイズは行われません。

1. Azure AI Language リソースを作成します。これにより、Azure AI Language によって提供される機能にアクセスできるようになります。 API 要求の認証に使用するパスワード (キーと呼ばれる) とエンドポイント URL が生成されます。

2. REST API か、C#、Java、JavaScript、Python のクライアント ライブラリを使用して、要求を作成します。 バッチ要求で非同期呼び出しを送信して、複数の機能の API 要求を 1 回の呼び出しに統合することもできます。

3. テキスト データを含む要求を送信します。 キーとエンドポイントを使用して認証が行われます。

4. 応答をローカルでストリームまたは保存します。

感情分析を使い始める

感情分析を使うには、分析のために未加工の非構造化テキストを送信して、アプリケーションで API 出力を処理します。 分析はそのままの状態で行われ、データに使用されるモデルに対して追加のカスタマイズは行われません。 感情分析を使用するには、次の 2 つの方法があります。

開発オプション	説明
Language Studio	Language Studio は Web ベースのプラットフォームであり、Azure アカウントがなければテキストの例で、サインアップしたら独自のデータで、エンティティ リンクを試すことができます。 詳しくは、Language Studio の Web サイトまたは Language Studio のクイックスタートに関する記事をご覧ください。
REST API またはクライアント ライブラリ (Azure SDK)	REST API を使用するか、さまざまな言語で使用できるクライアント ライブラリを使用して、感情分析をアプリケーションに統合します。 詳細については、感情分析のクイックスタートを参照してください。
Docker コンテナー	利用できる Docker コンテナーを使って、この機能をオンプレミスに展開します。 これらの Docker コンテナーを使用すると、コンプライアンス、セキュリティ、またはその他の運用上の理由により、データにいっそう近いところにサービスを持ってくることができます。

リファレンス ドキュメントとコード サンプル

アプリケーションでこの機能を使用する場合は、次の Azure AI Language のリファレンス ドキュメントとサンプルをご覧ください。

開発オプション/言語	リファレンス ドキュメント	サンプル
REST API	REST API のドキュメント
C#	C# 関連のドキュメント	C# のサンプル
Java	Java のドキュメント	Java のサンプル
JavaScript	JavaScript のドキュメント	JavaScript のサンプル
Python	Python のドキュメント	Python のサンプル

カスタム モデル (プレビュー)

カスタムの感情分析を使用すると、ユーザーは、事前に定義したセンチメントにテキストを分類するカスタム AI モデルを構築できます。 開発者は、カスタムの感情分析プロジェクトを作成することで、データのラベル付けを繰り返し行うことができ、モデル パフォーマンスをトレーニング、評価、改善してから、利用可能にできます。 ラベル付けされたデータの品質は、モデルのパフォーマンスに大きく影響します。 モデルの構築とカスタマイズを簡単にするために、サービスには、Language Studio からアクセスできるカスタム Web ポータルが用意されています。 このクイックスタートの手順に従って、サービスを簡単に開始できます。

プロジェクト開発ライフサイクル

カスタムの感情分析プロジェクトの作成には、通常、いくつかの異なる手順が含まれます。

モデルを最大限に活用するには、次の手順に従ってください。

1. スキーマを定義する: データを認識し、必要なセンチメントを特定し、あいまいさを回避します。

2. データのラベル付け: データのラベル付けの品質は、モデルのパフォーマンスを決める重要な要素です。 あいまいさを回避し、センチメントが互いに明確に区別できるようにします。

3. モデルをトレーニングする: モデルは、ラベル付けされたデータから学習を開始します。

4. モデルのパフォーマンスを表示する: モデルの評価の詳細を表示して、新しいデータが導入された場合のパフォーマンスを判断します。

5. モデルをデプロイする: モデルをデプロイすると、Analyze API を介して使用できるようになります。

6. テキストを分析する: 感情分析タスクにカスタム モデルを使用します。

開発オプション

開発オプション	説明
Language Studio	Language Studio は Web ベースのプラットフォームであり、Azure アカウントがなければテキストの例で、サインアップしたら独自のデータで、エンティティ リンクを試すことができます。
REST API	REST API を使用して、プログラムによって感情分析をアプリケーションに統合します。

詳細については、感情分析のクイックスタートを参照してください。

リファレンス ドキュメント

カスタム感情分析を使用する場合は、次の Language サービスのリファレンス ドキュメントとサンプルをご覧ください。

開発オプション/言語	リファレンス ドキュメント	サンプル
REST API (オーサリング)	REST API のドキュメント
REST API (ランタイム)	REST API のドキュメント

責任ある AI

AI システムには、テクノロジだけでなく、それを使用する人、それによって影響を受ける人、それがデプロイされる環境も含まれます。 システムでの責任ある AI の使用とデプロイについては、感情分析の透過性のためのメモの記事を参照してください。 詳細については、次の記事も参照してください。

次のステップ

• このサービスを初めて使用する際の手順が記載されたクイックスタートの記事。
  • 事前構築済みモデルを使用する
  • カスタム モデルを作成する