感情分析の説明
感情分析は、テキスト データで表現される感情的なトーンやセンチメントを識別できる重要な自然言語処理 (NLP) 手法です。 機械学習と自然な NLP を使用して、感情分析は、テキスト内で表現された意見、センチメント、評定、態度、感情が肯定的か、否定的か、または中立的なセンチメントを伝えるかどうかを判断することを目的としています。 これらの機能により、アプリケーションはユーザーのセンチメントを理解し、ブランド パーセプションを監視し、テキストの内容を基にして、情報に基づいた意思決定を行うことができます。
Margie's Travel 社の Web およびモバイルのアプリを使用すると、借主は、アプリに記載されている物件に滞在した経験を詳しく説明したレビューを送信できます。 これらのレビューのテキストには、物件、ホスト、滞在について顧客がどのように感じたかについての貴重な情報が含まれています。 これらのセンチメントを理解することは、Margie's Travel 社が顧客により良いサービスを提供し、物件の所有者と管理者に貴重なフィードバックを提供するのに役立ちます。
azure_ai 拡張機能を使用してセンチメントを分析する
Azure Database for PostgreSQL - フレキシブル サーバーの azure_ai 拡張機能では、感情分析を実行するために Azure AI Language サービスとの統合に依存しています。 拡張機能の感情分析機能には、azure_cognitive スキーマ内の analyze_sentiment() 関数を使用してアクセスできます。
このメソッドには 3 つのオーバーロードがあり、評価する値の配列を渡すことによって、1 回につき 1 つのレコードまたは複数のレコードのセンチメントを分析できます。 language パラメーターを使用して、サポートされている 94 言語のどれで入力テキストを記入するかを指定することもできます。
analyze_sentiment() 関数の出力は、sentiment_analysis_result 複合型です。 型の構造は次のとおりです。
Column | Type
----------------+------------------
sentiment | text
positive_score | double precision
neutral_score | double precision
negative_score | double precision
複合型には、入力テキストのセンチメント予測が含まれています。 これには、肯定的、否定的、中立的、または混在のセンチメントと、テキストに含まれる肯定的、中立的、否定的な側面のスコアが含まれます。 スコアは、0 から 1 の間の実数として表されます。 たとえば、(neutral, 0.26, 0.64, 0.09) では、センチメントは中立的で、肯定的のスコアは 0.26、中立的は 0.64、否定的は 0.09 です。
この関数は、個々の文またはドキュメント全体にセンチメント ラベル (肯定的、否定的、または中立的) を割り当てます。 これらのラベルは、テキストで表現された感情的なトーンを示します。 予測に対するモデルの信頼度を表す、センチメント ラベルと共に信頼度スコアが返されます。
感情分析の利点
- 顧客のフィードバックを理解する:レビュー、ソーシャル メディアの投稿、アンケートなどを分析します。
- ブランド評価を監視する:時間の経過に伴うセンチメントの傾向を追跡します。
- ユーザー エクスペリエンスをカスタマイズする:ユーザーのセンチメントに基づいてコンテンツを調整します。