Kongsi melalui

Analisis sentimen model prabina

  • Artikel

Model prabina analisis sentimen mengesan sentimen positif atau negatif dalam data teks. Anda boleh menggunakannya untuk menganalisis media sosial, ulasan pelanggan atau sebarang data teks yang anda minati. Analisis sentimen menilai input teks, dan memberikan skor dan label pada peringkat ayat dan dokumen. Skor dan label boleh positif, negatif atau neutral. Pada peringkat dokumen, terdapat juga label sentimen "campuran", yang tidak mempunyai skor. Sentimen dokumen ditentukan dengan mengagregatkan skor ayat.

Gunakan dalam Power Apps

Terokai analisis sentimen

Anda boleh mencuba model analisis sentimen sebelum anda mengimportnya ke dalam aliran anda.

  1. Log masuk ke Power Apps ATAU Power Automate.

  2. Pada anak tetingkap kiri, pilih... Lebih banyak>hab AI.

  3. Di bawah Temui keupayaan AI, pilih model AI.

    (Pilihan) Untuk mengekalkan model AI secara kekal pada menu untuk akses mudah, pilih ikon pin.

  4. Pilih analisis sentimen - Mengesan sentimen positif, negatif atau neutral dalam data teks.

  5. Pilih sampel teks yang dipratentukan untuk dianalisis, atau tambah teks anda sendiri, pilih Analisis teks untuk melihat cara model menganalisis teks anda.

Gunakan bar formula

Anda boleh menyepadukan model AI Builder analisis sentimen anda Power Apps Studio dengan menggunakan bar formula. Untuk mendapatkan maklumat lanjut, lihat Gunakan Power Fx dalam AI Builder model dalam Power Apps (pratonton).

Gunakan dalam Power Automate

Jika anda ingin menggunakan model Power Automate prabina ini, anda boleh mendapatkan maklumat lanjut dalam Gunakan model prabina analisis sentimen dalam Power Automate.

Bahasa dan format data yang disokong

  • Bahasa: Jerman, Sepanyol, Inggeris, Perancis, Hindi, Itali, Jepun, Korea, Belanda, Norway, Portugis (Brazil), Portugis (Portugal), Turki, Cina (Ringkas), Cina (Tradisional)
  • Dokumen tidak boleh melebihi 5,120 aksara.

Output model

Jika teks dikesan, model analisis sentimen mengeluarkan maklumat berikut:

  • Sentimen:

    • Positif
    • Negatif
    • Tiada Pendapat
    • Bercampur

  • markah keyakinan: Nilai dalam julat dari 0 hingga 1. Nilai yang hampir dengan 1 menunjukkan keyakinan yang lebih besar bahawa sentimen yang dikenal pasti adalah tepat.

  • Ayat: Senarai ayat daripada teks input, dengan analisis sentimennya.

    • Sentimen:

      • Positif
      • Negatif
      • Tiada Pendapat
      • Bercampur

    • markah keyakinan ayat: Nilai dalam julat dari 0 hingga 1. Nilai yang hampir dengan 1 menunjukkan keyakinan yang lebih besar bahawa sentimen itu tepat.

Had

Perkara berikut digunakan untuk panggilan yang dibuat bagi setiap persekitaran merentas model prabina berikut: pengesanan bahasa, analisis sentimen dan pengekstrakan frasa utama.

Tindakan Had Tempoh pembaharuan
Panggilan (setiap persekitaran) 400 60 saat