Что такое анализ тональности и интеллектуальный анализ мнений?

Анализ тональности и интеллектуальный анализ мнений — это функции, предоставляемые службой языка, коллекцией алгоритмов машинного обучения и искусственного интеллекта в облаке для разработки интеллектуальных приложений, включающих письменный язык. Эти функции помогают узнать, что пользователи думают о торговой марке или теме. Они основаны на интеллектуальном анализе текста, который выявляет положительную или отрицательную тональность и может связать ее с конкретными аспектами текста.

Анализ тональности и интеллектуальный анализ мнений работают с различными письменными языками.

Анализ тональности

Функция анализа тональности предоставляет метки тональностей (например, "отрицательная", "нейтральная" и "положительная") на основе оценки наивысшей достоверности, полученной службой на уровне предложения и документа. Функция также возвращает оценки достоверности в диапазоне от 0 до 1 для каждого предложения и документа по положительной, нейтральной и отрицательной тональностям.

Интеллектуальный анализ мнений

Интеллектуальный анализ мнений — это функция анализа тональности. Она также известна как анализ тональности на основе аспекта в средствах обработки естественного языка (NLP) и предоставляет более детализированные сведения о мнениях, связанных со словами (например, атрибуты продуктов или услуг) в тексте.

Предварительно созданная модель

Стандартный рабочий процесс

Чтобы использовать эту возможность, нужно в приложении передать данные для анализа и обработать полученный от API результат. Анализ выполняется как есть, без добавления настройки модели, используемой для данных.

1. Создайте ресурс языка ИИ Azure, который предоставляет вам доступ к функциям, предлагаемым языком искусственного интеллекта Azure. Он создает пароль (называемый ключом) и URL-адрес конечной точки, используемый для проверки подлинности запросов API.

2. Создайте запрос, используя REST API или клиентскую библиотеку для C#, Java, JavaScript или Python. Также можно отправить асинхронные вызовы с пакетным запросом, чтобы объединить в один вызов несколько запросов к разным функциям API.

3. Отправьте запрос, содержащий текстовые данные. Ключ и конечная точка используются для проверки подлинности.

4. Выполните потоковую передачу ответа или сохраните его локально.

Начало работы с анализом тональности

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	Description
Студия службы "Язык"	Language Studio — это веб-платформа, которая позволяет попробовать связывание сущностей с текстовыми примерами без учетной записи Azure и собственных данных при регистрации. Дополнительные сведения см. в кратком руководстве по веб-сайту Или языковой студии Language Studio.
REST API или клиентская библиотека (пакет SDK для Azure)	Интеграция анализа тональности в приложения с помощью REST API или клиентской библиотеки, доступной 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.

Справочная документация и примеры кода

Как вы используете эту функцию в приложениях, ознакомьтесь со следующей справочной документацией и примерами для языка искусственного интеллекта Azure:

Вариант разработки и язык	Справочная документация	Примеры
REST API	Документация по REST API
C#	Документация по C#	Примеры C#
Java	Документация по Java	Примеры для Java
JavaScript	Документация по работе с JavaScript.	Примеры JavaScript
Python	Документация по Python.	Примеры для Python

Пользовательская модель (предварительная версия)

Анализ пользовательских тональности позволяет пользователям создавать пользовательские модели ИИ для классификации текста в тональности, предварительно определенных пользователем. Создавая проект пользовательского анализа тональности, разработчики могут итеративно пометить данные, обучить, оценить и повысить производительность модели, прежде чем сделать его доступным для использования. Качество данных с метками значительно влияет на производительность модели. Чтобы упростить создание и настройку модели, служба предлагает настраиваемый веб-портал, доступ к которому можно получить с помощью Language Studio. Вы можете легко приступить к работе со службой, выполнив действия, описанные в этом кратком руководстве.

Жизненный цикл разработки проекта

Создание проекта пользовательского анализа тональности обычно включает несколько различных шагов.

Чтобы максимально эффективно использовать модель, выполните следующие шаги:

1. Определите схему: ознакомьте данные и определите нужные тональности, чтобы избежать неоднозначности.

2. Маркировка данных. Качество этого процесса является ключевым фактором, от которого зависит производительность модели. Избегайте неоднозначности, убедитесь, что ваши настроения четко отделяются друг от друга.

3. Обучение модели. Обучение модели начинается с изучения промаркированных данных.

4. Просмотр сведений о производительности модели. Просмотрите сведения об оценке модели, чтобы определить, насколько она эффективна при внесении новых данных.

5. Развертывание модели. Развернутая модель становится доступной для использования посредством API анализа.

6. Классифицировать текст: используйте настраиваемую модель для задач анализа тональности.

Варианты разработки

Вариант разработки	Description
Студия службы "Язык"	Language Studio — это веб-платформа, которая позволяет попробовать связывание сущностей с текстовыми примерами без учетной записи Azure и собственных данных при регистрации.
REST API	Интеграция анализа тональности в приложения программным способом с помощью REST API.

Дополнительные сведения см . в кратком руководстве по анализу тональности.

Справочная документация

При использовании пользовательского анализа тональности ознакомьтесь со следующей справочной документацией и примерами для языковой службы:

Вариант разработки и язык	Справочная документация	Примеры
REST API (разработка)	Документация по REST API
REST API (среда выполнения)	Документация по REST API

Ответственное применение ИИ

Система ИИ включает не только технологию, но и людей, которые используют ее, людей, которые будут затронуты ею, и среды, в которой она развернута. Ознакомьтесь с примечанием о прозрачности для анализа тональности, чтобы узнать больше об ответственном использовании и развертывании решений искусственного интеллекта в своих системах. Дополнительные сведения см. в следующих статьях:

Следующие шаги

• Статьи краткого руководства с инструкциями по использованию службы в первый раз.
  • Использование предварительно созданной модели
  • Создание пользовательской модели