O que é análise de sentimento e mineração de opiniões?

A análise de sentimento e a mineração de opiniões são recursos oferecidos pelo serviço de linguagem, uma coleção de aprendizado de máquina e algoritmos de IA na nuvem para o desenvolvimento de aplicativos inteligentes que envolvem linguagem escrita. Esses recursos ajudam você a descobrir o que as pessoas acham de sua marca ou tópico através da mineração de um texto para obter pistas sobre sentimentos positivos ou negativos e podem associá-los a aspectos específicos do texto.

A análise de sentimento e a mineração de opinião funcionam com uma variedade de linguagens escritas.

Análise de sentimento

O recurso de análise de sentimento fornece rótulos de sentimentos (como "negativo", "neutro" e "positivo") com base na pontuação de confiança mais alta encontrada pelo serviço em um nível de frase e documento. Esse recurso também retorna pontuações de confiança entre 0 e 1 para cada documento e frase dentro dele para um sentimento positivo, neutro e negativo.

Mineração de opinião

A mineração de opiniões é um recurso da análise de sentimento. Também conhecida como Análise de Sentimento baseada em aspecto no Processamento de idioma natural (NLP), esse recurso fornece informações mais granulares sobre as opiniões relacionadas a palavras (como os atributos de produtos ou serviços) no texto.

Modelo predefinido

Fluxo de trabalho típico

Para usar esse recurso, você envia dados para análise e manipula a saída da API em seu aplicativo. A análise é realizada no estado em que se encontra, sem nenhuma personalização adicionada para o modelo usado nos seus dados.

1. Crie um recurso da Linguagem de IA do Azure, que concede a você acesso aos recursos oferecidos pela Linguagem de IA do Azure para o idioma. Ele gera uma senha (chamada de chave) e uma URL de ponto de extremidade que você usa para autenticar solicitações de API.

2. Crie uma solicitação usando a API REST ou a biblioteca de cliente para C#, Java, JavaScript e Python. Você também pode enviar chamadas assíncronas com uma solicitação em lote para combinar solicitações de API para vários recursos em uma só chamada.

3. Envie a solicitação que contém seus dados de texto. A chave e o ponto de extremidade são usados para autenticação.

4. Transmita por streaming ou armazene a resposta localmente.

Introdução à análise de sentimento

Para usar análise de sentimento, envie um texto não estruturado bruto para análise e processe a saída da API no aplicativo. A análise é realizada no estado em que se encontra, sem nenhuma personalização adicional para o modelo usado em seus dados. Há duas maneiras de usar a análise de sentimento:

Opção de desenvolvimento	Descrição
Language Studio	O Language Studio é uma plataforma baseada na Web que permite que você experimente a vinculação de entidade com exemplos de texto sem uma conta do Azure, e seus próprios dados quando você se inscreve. Para obter mais informações, confira o site do Language Studio ou o início rápido do Language Studio.
API REST ou biblioteca de clientes (SDK do Azure)	Integre a análise de sentimento aos seus aplicativos usando a API REST ou a biblioteca de clientes disponível em uma variedade de idiomas. Para obter mais informações, confira o início rápido da análise de sentimento.
Contêiner do Docker	Use o contêiner do Docker disponível para implantar esse recurso local. Esses contêineres do Docker permitem que você aproxime o serviço dos seus dados para fins de conformidade, segurança ou outras razões operacionais.

Documentação de referência e exemplos de código

Quando usar esse recurso nos seus aplicativos, confira a seguinte documentação de referência e as amostras de Linguagem de IA do Azure:

Opção/idioma de desenvolvimento	Documentação de referência	Exemplos
API REST	Documentação da API REST
C#	Documentação do C#	Exemplos do C#
Java	Documentação do Java	Exemplos do Java
JavaScript	Documentação do JavaScript	Exemplos de JavaScript
Python	Documentação do Python	Exemplos em Python

Modelo personalizado (versão prévia)

A Análise de sentimento personalizada permite que os usuários criem modelos personalizados de IA para classificar textos em sentimentos pré-definidos por eles. Ao criar um projeto de Análise de sentimento personalizada, os desenvolvedores podem rotular iterativamente os dados, treinar, avaliar e melhorar o desempenho do modelo antes de disponibilizá-lo para consumo. A qualidade dos dados rotulados afeta profundamente o desempenho do modelo. Para simplificar a criação e a personalização do modelo, o serviço oferece um portal da Web personalizado que pode ser acessado por meio do Language Studio. Para começar a usar o serviço com facilidade, siga as etapas neste guia de início rápido.

Ciclo de vida de desenvolvimento do projeto

A criação de um projeto de Análise de sentimento personalizada normalmente envolve várias etapas diferentes.

Siga estas etapas para aproveitar seu modelo ao máximo:

1. Defina o seu esquema: conheça seus dados e identifique os sentimentos que você deseja, para evitar ambiguidade.

2. Rotular os seus dados: a qualidade da rotulagem de dados é fundamental para determinar o desempenho do modelo. Para evitar a ambiguidade, certifique-se de que seus sentimentos sejam claramente separáveis um do outro.

3. Treinar o modelo: o modelo começa a aprender com os dados rotulados.

4. Exibir detalhes de desempenho do modelo: veja os detalhes de avaliação do modelo para determinar o desempenho dele diante de novos dados.

5. Implantar o modelo: a implantação de um modelo o disponibiliza para uso por meio da API de análise.

6. Classifique o texto: use seu modelo personalizado para tarefas de análise de sentimento.

Opções de desenvolvimento

Opção de desenvolvimento	Descrição
Language Studio	O Language Studio é uma plataforma baseada na Web que permite que você experimente a vinculação de entidade com exemplos de texto sem uma conta do Azure, e seus próprios dados quando você se inscreve.
API REST	Integre a análise de sentimento em seus aplicativos de forma programática usando a API REST.

Para obter mais informações, confira o início rápido da análise de sentimento.

Documentação de referência

Ao usar a análise de sentimento personalizada, confira a seguinte documentação de referência e os exemplos do serviço de linguagem:

Opção/idioma de desenvolvimento	Documentação de referência	Exemplos
APIs REST (Criação)	Documentação da API REST
APIs REST (Runtime)	Documentação da API REST

IA responsável

Um sistema de IA inclui não apenas a tecnologia, mas também as pessoas que irão usá-la, que serão afetadas por ela e o ambiente em que ela foi implantada. Leia a nota de transparência sobre análise de sentimento para saber mais sobre o uso responsável de IA e a implantação em seus sistemas. Você também pode conferir os artigos a seguir para saber mais:

Próximas etapas

• Os artigos de início rápido com instruções sobre como usar o serviço pela primeira vez.
  • Usar o modelo predefinido
  • Criar um modelo personalizado