Примечание
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Анализ настроения и анализ мнений — это два способа обнаруживать положительные и отрицательные чувства. С помощью анализа тональности вы можете получить метки эмоциональной окраски (например, "отрицательные", "нейтральные" и "положительные") и оценки уверенности как на уровне предложения, так и документа. Анализ мнений предоставляет детальную информацию о мнениях, связанных со словами (например, атрибуты продуктов или услуг) в тексте.
Анализ настроений
Анализ тональности применяет к тексту метки тональности, возвращаемые на уровне предложения и документа, с оценкой достоверности для каждого из них.
Применяются такие метки: positive, negative и neutral. На уровне документа может также возвращаться метка тональности mixed. Тональность документа определяется следующим образом.
| Тональность предложения | Метка возвращенного документа |
|---|---|
В документе есть по меньшей мере одно предложение positive. Остальные предложения оценены как neutral. |
positive |
В документе есть по меньшей мере одно предложение negative. Остальные предложения оценены как neutral. |
negative |
В документе есть по меньшей мере одно предложение negative и одно предложение positive. |
mixed |
Все предложения в документе являются neutral. |
neutral |
Оценки достоверности колеблются в диапазоне от 1 до 0. Оценки, близкие к 1, указывают на более высокую достоверность в классификации метки, а более низкие оценки указывают на более низкую достоверность. Для каждого документа или предложения прогнозируемые оценки, связанные с метками (positive, negative и neutral), в сумме составляют 1. См. дополнительную информацию в заметке о прозрачности ответственного ИИ.
Интеллектуальный анализ мнений
Анализ мнений является функцией анализа тональности. Эта функция, также известная как анализ тональности, основанный на аспектах в обработке естественного языка (NLP), предоставляет более детализированную информацию о мнениях, связанных с атрибутами продуктов или услуг в тексте. API представляет мнения как целевые объекты (существительные или глаголы) и оценки (прилагательные).
Например, если клиент оставляет отзыв о гостинице, например "комната отличная, но персонал был недружелюбным", функция интеллектуального анализа мнений будет искать целевые объекты (аспекты) в тексте, а также связанные с ними оценки (мнения) и тональности. Анализ тональности может сообщать только об отрицательной тональности.
Если вы используете REST API, чтобы получить в результатах интеллектуальный анализ мнений, необходимо включить флаг opinionMining=true в запрос для анализа тональности. Результаты интеллектуального анализа мнений будут включены в ответ анализа тональности. Анализ мнений — это расширение анализа тональности, включенное в текущую ценовую категорию.
Варианты разработки
Чтобы использовать анализ тональности, вы отправляете необработанный неструктурированный текст для анализа и обрабатываете выходные данные API в приложении. Анализ выполняется на условиях "как есть", без дополнительной настройки используемой модели для ваших данных. Существует два способа использования анализа тональности.
| Вариант разработки | Описание |
|---|---|
| Azure AI Foundry | Azure AI Foundry — это веб-платформа, которая позволяет использовать связывание сущностей с текстовыми примерами и вашими собственными данными при условии регистрации. Дополнительные сведения см. на веб-сайте Azure AI Foundry или документации по Azure AI Foundry. |
| REST API или клиентская библиотека (пакет SDK для Azure) | Интегрируйте анализ тональности в ваши приложения, используя REST API или клиентскую библиотеку, доступную на различных языках. Дополнительные сведения см. в кратком руководстве по анализу тональности. |
| Контейнер Docker | Используйте доступный контейнер Docker, чтобы развернуть эту функцию локально. Эти контейнеры Docker позволяют разместить службу ближе к данным, чтобы обеспечивать безопасность, соответствие требованиям и пользоваться другими операционными преимуществами. |
Определение способа обработки данных (необязательно)
Указание модели анализа тональности
По умолчанию при анализе тональности в тексте будет использоваться последняя доступная модель ИИ. Вы также можете настроить запросы API для использования определенной версии модели.
Языки ввода
При отправке документов для обработки с помощью анализа тональности можно указать, на каком из поддерживаемых языков они написаны. Если вы не укажете язык, то для анализа тональности по умолчанию будет использоваться английский. API может возвращать смещения в ответе для поддержки различных многоязычных кодировок и эмодзи.
Отправка данных
Анализ тональности и анализ мнений дают более качественный результат, если им передаются меньшие объемы текста для обработки. Этим они отличаются от некоторых других функций, таких как извлечение ключевой фразы, которые работают лучше на более крупных блоках текста.
Чтобы отправить запрос API, вам потребуется конечная точка и ключ языкового ресурса.
Примечание.
Ключ и конечную точку для языкового ресурса можно найти на портале Azure. Они находятся на странице ресурса Ключ и конечная точка в разделе Управление ресурсами.
Анализ выполняется при получении запроса. При синхронном использовании функций анализа настроений и анализа мнений система работает без учета состояния. Никакие данные в учетной записи не сохраняются, а все результаты немедленно возвращаются в ответе.
При асинхронном использовании этой функции результаты API доступны в течение 24 часов с момента приема запроса и указываются в ответе. По истечении этого периода результаты очищаются и больше не будут доступны для извлечения.
Получение результатов анализа тональности и анализа мнений
При получении результатов из API порядок возвращаемых ключевых фраз определяется моделью. Результаты можно передать в приложение или сохранить в файл в локальной системе.
Анализ тональности возвращает метку тональности и уровень уверенности для всего документа и для каждого предложения внутри него. Оценки, близкие к 1, указывают на более высокую достоверность в классификации метки, а более низкие оценки указывают на более низкую достоверность. Документ может содержать несколько предложений, а оценки достоверности в каждом документе или предложении в сумме составляют 1.
При интеллектуальном анализе мнений в тексте определяются целевые объекты (существительные или глаголы), а также связанные с ними оценки (прилагательные). Например, предложение Еда в ресторане была очень вкусной, и официант был приветливым имеет два целевых объекта: еда и официант. Для каждого целевого объекта определена оценка. Например, оценка для объекта еда — вкусной, а для объекта официант — приветливым.
API возвращает мнения как целевые объекты (существительные или глаголы) и оценки (прилагательные).
Ограничения службы и данных
Сведения о размере и числе запросов, которые можно отправлять в минуту и секунду, см. в статье об ограничениях службы.