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、評価、態度、感情が肯定的、否定的、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、ブランドの認識を監視し、テキスト コンテンツに基づいて情報に基づいて意思決定を行うことができます。
Margie's Travel 用の Web アプリとモバイル アプリを使用すると、賃貸人は、アプリに記載されているプロパティに滞在する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、顧客がプロパティ、ホスト、滞在について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 の Travel が顧客により良いサービスを提供し、プロパティの所有者とマネージャー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 拡張機能は、感情分析を実行するために Azure 言語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、analyze_sentiment() スキーマ内の azure_cognitive 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、一度に 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 言語のうち、入力テキストが書き込まれる言語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、または混合のセンチメントと、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、(ニュートラル、0.26、0.64、0.09) では、センチメントはニュートラルで、正のスコアは 0.26、ニュートラルは 0.64、負は 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 (正、負、または中立) 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。
- ブランドの評判を監視する: 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。