Введение

  • 3 мин

В обработке естественного языка (NLP) анализ тональности и интеллектуального анализа мнений являются ключевыми при извлечении ценных аналитических сведений из текстовых данных. Изучение этих понятий, их отличий и их преимуществ является важным для создания интеллектуальных приложений, которые обрабатывают письменный язык и предоставляют аналитические сведения о том, как клиенты действительно чувствуют себя о бренде, продукте или теме. Анализ тональности предоставляет аналитические сведения о тенденциях рынка, производительности конкурентов и предпочтениях потребителей. Понимание тональности помогает компаниям соответствующим образом адаптировать свои стратегии.

Сценарий. Анализ тональности проверок свойств пользователя

Вы разработчик для Margie's Travel, компания, чьи веб-приложения и мобильные приложения подключают путешественников, ищет жилье с домовладельцами и менеджерами недвижимости, готовыми арендовать свои свойства. Гибкая база данных сервера Базы данных Azure для PostgreSQL поддерживает эти приложения. Одна из функций приложения позволяет арендаторам отправлять отзывы о свойствах, которые они арендовали. Эти отзывы позволяют другим клиентам определить качество жилья и полезность узлов. Вам предлагается использовать средства Foundry и расширение azure_ai, чтобы анализировать тональность отзывов, чтобы описательные метки можно будет применять в качестве фильтров в приложениях.

Анализ тональности: понимание большой картины

анализ тональности похож на эмоциональный радар для текста. Это помогает оценить чувства или эмоциональный тон, выраженный в письменном контенте. Будь то обзор продукта, публикация в социальных сетях или отзывы клиентов, анализ тональности показывает, положительные, отрицательныеили нейтральные. Эта возможность предоставляет аналитические сведения о том, как пользователи воспринимают свой бренд, продукт или службу.

Интеллектуальный анализ мнений: выход за рамки тональности

интеллектуальный анализ мнений (также известный как анализ тональности на основе аспектов) принимает анализ тональности к следующему уровню. Это похоже на расчленение мнений под микроскопом. Вместо общей тональности интеллектуальный анализ мнений увеличивается на конкретные аспекты текста. Например, он может сказать вам, если пользователи любят просторные комнаты, но найти окружающие шумные. Эта возможность обеспечивает более глубокое понимание более тонких тональности, связанных с различными атрибутами, и идеально подходит для проведения точного анализа.

Анализ тональности с помощью средств Foundry

Служба Azure Language, часть инструментария Foundry, позволяет анализировать тональность и извлекать мнения из текстовых данных. Включение возможностей анализа тональности в приложения можно легко реализовать с помощью расширения azure_ai для гибкого сервера Базы данных Azure для PostgreSQL.

Цели обучения

Модуль изучает возможности анализа тональности и интеллектуального анализа мнений службы Azure Language, а также применение расширения azure_ai для интеграции анализа тональности прямо в базы данных PostgreSQL. В этом модуле вы:

  • Изучите основы анализа тональности и как его можно применить для получения аналитических сведений о тональности пользователей и эмоциях.
  • Описание методов интеллектуального анализа мнений для определения тональности, связанных с конкретными атрибутами.
  • Применение анализа тональности к отзывам пользователей в базе данных PostgreSQL с помощью расширения azure_ai.

К концу этого модуля вы можете создавать интеллектуальные приложения, которые понимают тональность и мнения непосредственно в базе данных.