Självstudie: Attitydanalys med Azure AI-tjänster
I den här självstudien får du lära dig hur du enkelt kan utöka dina data i Azure Synapse Analytics med Azure AI-tjänster. Du använder textanalysfunktionerna i Azure AI Language för att utföra attitydanalys.
En användare i Azure Synapse kan helt enkelt välja en tabell som innehåller en textkolumn för att berika med sentiment. Dessa attityder kan vara positiva, negativa, blandade eller neutrala. En sannolikhet returneras också.
Den här självstudiekursen omfattar:
- Steg för att hämta en Spark-tabelldatauppsättning som innehåller en textkolumn för attitydanalys.
- Använda en guideupplevelse i Azure Synapse för att utöka data med hjälp av Textanalys i Azure AI Language.
Om du inte har en Azure-prenumeration skapar du ett kostnadsfritt konto innan du börjar.
Förutsättningar
- Azure Synapse Analytics-arbetsyta med ett Azure Data Lake Storage Gen2 lagringskonto konfigurerat som standardlagring. Du måste vara Storage Blob Data-deltagare för det Data Lake Storage Gen2 filsystem som du arbetar med.
- Spark-pool i din Azure Synapse Analytics-arbetsyta. Mer information finns i Skapa en Spark-pool i Azure Synapse.
- Förkonfigurationssteg som beskrivs i självstudien Konfigurera Azure AI-tjänster i Azure Synapse.
Logga in på Azure Portal
Logga in på Azure-portalen.
Skapa en Spark-tabell
Du behöver en Spark-tabell för den här självstudien.
Ladda ned FabrikamComments.csv-filen som innehåller en datauppsättning för textanalys.
Ladda upp filen till ditt Azure Synapse lagringskonto i Data Lake Storage Gen2.
Skapa en Spark-tabell från .csv-filen genom att högerklicka på filen och välja SkapaSpark-tabell för ny anteckningsbok>.
Namnge tabellen i kodcellen och kör notebook-filen i en Spark-pool. Kom ihåg att ange
header=True
.%%pyspark df = spark.read.load('abfss://default@azuresynapsesa.dfs.core.windows.net/data/FabrikamComments.csv', format='csv' ## If a header exists, uncomment the line below , header=True ) df.write.mode("overwrite").saveAsTable("default.YourTableName")
Öppna azure AI-tjänstguiden
Högerklicka på Spark-tabellen som skapades i föregående procedur. Välj Machine LearningPredict with a model (Förutsäga maskininlärning> med en modell) för att öppna guiden.
En konfigurationspanel visas och du uppmanas att välja en förtränad modell. Välj Attitydanalys.
Konfigurera attitydanalys
Konfigurera sedan attitydanalysen. Välj följande information:
- Länkad Azure Cognitive Services-tjänst: Som en del av de nödvändiga stegen skapade du en länkad tjänst till din Azure AI-tjänst. Välj det här.
- Språk: Välj engelska som språk för den text som du vill utföra attitydanalys på.
- Textkolumn: Välj kommentar (sträng) som textkolumn i datauppsättningen som du vill analysera för att fastställa sentimentet.
När du är klar väljer du Öppna anteckningsbok. Detta genererar en notebook-fil för dig med PySpark-kod som utför attitydanalysen med Azure AI-tjänster.
Köra anteckningsboken
Anteckningsboken som du precis öppnade använder SynapseML-biblioteket för att ansluta till Azure AI-tjänster. Med den länkade Azure AI-tjänst som du angav kan du på ett säkert sätt referera till din Azure AI-tjänst från den här upplevelsen utan att avslöja några hemligheter.
Nu kan du köra alla celler för att utöka dina data med sentiment. Välj Kör alla.
Sentimenten returneras som positiva, negativa, neutrala eller blandade. Du får också sannolikheter per sentiment. Läs mer om attitydanalys i Azure AI-tjänster.
Nästa steg
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för