Wat is sentimentanalyse en meninganalyse?

Sentimentanalyse en meninganalyse zijn functies die worden aangeboden door de Taalservice, een verzameling machine learning- en AI-algoritmen in de cloud voor het ontwikkelen van intelligente toepassingen die betrekking hebben op geschreven taal. Deze functies helpen u erachter te komen wat mensen van uw merk of onderwerp vinden door tekst te analyseren voor aanwijzingen over positief of negatief gevoel en kunnen deze koppelen aan specifieke aspecten van de tekst.

Zowel sentimentanalyse als meninganalyse werken met verschillende geschreven talen.

Sentimentanalyse

De functie sentimentanalyse biedt sentimentlabels (zoals 'negatief', 'neutraal' en 'positief') op basis van de hoogste betrouwbaarheidsscore van de service op zin- en documentniveau. Met deze functie worden ook betrouwbaarheidsscores geretourneerd tussen 0 en 1 voor elk document en voor alle zinnen in dat document, voor positief, neutraal en negatief sentiment.

Meninganalyse

Meninganalyse is een functie van sentimentanalyse. Deze functie wordt ook wel sentimentanalyse op basis van aspecten genoemd in NLP (Natural Language Processing), maar biedt meer gedetailleerde informatie over de meningen met betrekking tot woorden (zoals de kenmerken van producten of services) in tekst.

Vooraf samengesteld model

Standaardwerkstroom

Als u deze functie wilt gebruiken, verzendt u gegevens voor analyse en verwerkt u de API-uitvoer in uw toepassing. Analyse wordt uitgevoerd als zodanig, zonder dat er aanpassingen zijn toegevoegd aan het model dat op uw gegevens wordt gebruikt.

1. Maak een Azure AI Language-resource, waarmee u toegang krijgt tot de functies die door Azure AI Language worden aangeboden. Er wordt een wachtwoord gegenereerd (een sleutel genoemd) en een eindpunt-URL die u gebruikt om API-aanvragen te verifiëren.

2. Maak een aanvraag met behulp van de REST API of de clientbibliotheek voor C#, Java, JavaScript en Python. U kunt ook asynchrone aanroepen verzenden met een batchaanvraag om API-aanvragen voor meerdere functies te combineren tot één aanroep.

3. Verzend de aanvraag met uw tekstgegevens. Uw sleutel en eindpunt worden gebruikt voor verificatie.

4. U kunt het antwoord streamen of lokaal opslaan.

Aan de slag met sentimentanalyse

Als u sentimentanalyse wilt gebruiken, verzendt u onbewerkte ongestructureerde tekst voor analyse en verwerkt u de API-uitvoer in uw toepassing. Analyse wordt uitgevoerd als zodanig, zonder extra aanpassingen aan het model dat op uw gegevens wordt gebruikt. Er zijn twee manieren om sentimentanalyse te gebruiken:

Ontwikkelingsoptie	Beschrijving
Taalstudio	Language Studio is een webplatform waarmee u entiteitskoppelingen kunt proberen met tekstvoorbeelden zonder een Azure-account en uw eigen gegevens wanneer u zich aanmeldt. Zie de quickstart voor Language Studio of Language Studio voor meer informatie.
REST API of clientbibliotheek (Azure SDK)	Integreer sentimentanalyse in uw toepassingen met behulp van de REST API of de clientbibliotheek die beschikbaar is in verschillende talen. Zie de quickstart voor sentimentanalyse voor meer informatie.
Docker-container	Gebruik de beschikbare Docker-container om deze functie on-premises te implementeren. Met deze Docker-containers kunt u de service dichter bij uw gegevens brengen om naleving, beveiliging of andere operationele redenen.

Referentiedocumentatie en codevoorbeelden

Als u deze functie in uw toepassingen gebruikt, raadpleegt u de volgende referentiedocumentatie en voorbeelden voor Azure AI Language:

Ontwikkelingsoptie/taal	Referentiedocumentatie	Voorbeelden
REST-API	REST API-documentatie
C#	C#-documentatie	C#-voorbeelden
Java	Java-documentatie	Java-voorbeelden
JavaScript	Documentatie over JavaScript	JavaScript-voorbeelden
Python	Python-documentatie	Python-voorbeelden

Aangepast model (preview)

Met aangepaste sentimentanalyse kunnen gebruikers aangepaste AI-modellen bouwen om tekst te classificeren in sentimenten die vooraf door de gebruiker zijn gedefinieerd. Door een aangepast sentimentanalyseproject te maken, kunnen ontwikkelaars iteratief gegevens labelen, modelprestaties trainen, evalueren en verbeteren voordat ze deze beschikbaar maken voor gebruik. De kwaliteit van de gelabelde gegevens heeft een grote invloed op de modelprestaties. Om het bouwen en aanpassen van uw model te vereenvoudigen, biedt de service een aangepaste webportal die toegankelijk is via de Language Studio. U kunt eenvoudig aan de slag met de service door de stappen in deze quickstart te volgen.

Levenscyclus van projectontwikkeling

Het maken van een aangepast sentimentanalyseproject omvat doorgaans verschillende stappen.

Volg deze stappen om optimaal gebruik te maken van uw model:

1. Definieer uw schema: ken uw gegevens en identificeer de gewenste gevoelens om dubbelzinnigheid te voorkomen.

2. Uw gegevens labelen: de kwaliteit van gegevenslabels is een belangrijke factor bij het bepalen van modelprestaties. Vermijd dubbelzinnigheid, zorg ervoor dat uw gevoelens duidelijk van elkaar kunnen worden gescheiden.

3. Het model trainen: uw model begint met leren op basis van uw gelabelde gegevens.

4. Bekijk de prestaties van het model: bekijk de evaluatiedetails voor uw model om te bepalen hoe goed het presteert wanneer er nieuwe gegevens worden geïntroduceerd.

5. Het model implementeren: door een model te implementeren, is het beschikbaar voor gebruik via de Analyze-API.

6. Tekst classificeren: Gebruik uw aangepaste model voor sentimentanalysetaken.

Ontwikkelingsopties

Ontwikkelingsoptie	Beschrijving
Taalstudio	Language Studio is een webplatform waarmee u entiteitskoppelingen kunt proberen met tekstvoorbeelden zonder een Azure-account en uw eigen gegevens wanneer u zich aanmeldt.
REST-API	Integreer sentimentanalyse programmatisch in uw toepassingen met behulp van de REST API.

Zie de quickstart voor sentimentanalyse voor meer informatie.

Referentiedocumentatie

Als u aangepaste sentimentanalyse gebruikt, raadpleegt u de volgende referentiedocumentatie en voorbeelden voor de Taalservice:

Ontwikkelingsoptie/taal	Referentiedocumentatie	Voorbeelden
REST API's (ontwerpen)	REST API-documentatie
REST API's (runtime)	REST API-documentatie

Verantwoorde AI

Een AI-systeem bevat niet alleen de technologie, maar ook de mensen die het gebruiken, de mensen die worden beïnvloed door het systeem en de omgeving waarin het wordt geïmplementeerd. Lees de transparantienotitie voor sentimentanalyse voor meer informatie over verantwoord AI-gebruik en -implementatie in uw systemen. U kunt ook de volgende artikelen voor meer informatie bekijken:

Volgende stappen

• De quickstart-artikelen met instructies voor het gebruik van de service voor de eerste keer.
  • Het vooraf samengestelde model gebruiken
  • Een aangepast model maken