探索情感分析
情感分析 是重要的自然語言處理（NLP）技術，可讓我們辨別文字數據中表達的情感語氣或情感。 使用機器學習和自然語言處理（NLP），情感分析的目的是判斷文本中所表達的意見、情緒、評價、態度和情感是否呈現正面、負面或中性情感。 這些功能可讓應用程式瞭解使用者情感、監視品牌感知，並根據文字內容做出明智的決策。
Margie 的旅行網頁和行動應用程式可讓租客提交評論，詳細說明他們在應用程式中所列房產的住宿體驗。 這些評論的文字包含有關客戶對房產、其主機及其住宿感受的寶貴資訊。 瞭解這些情緒有助於瑪吉的旅遊更好地為客戶提供服務，並提供寶貴的意見反應給業主和經理。
使用azure_ai延伸模組分析情感
azure_ai Azure Database for PostgreSQL - Flexible Server 的擴充功能依賴與 Azure 語言服務的整合來進行情感分析。 延伸模組的情感分析功能可以使用 analyze_sentiment() 架構內的 azure_cognitive 函式來存取。
此方法有三個多載，可讓您傳入一組要評估的值，一次分析一筆記錄或多筆記錄的情緒。 使用 language 參數，您也可以指出撰寫輸入文字使用的是 94 個支援語言中的哪一個。
analyze_sentiment() 函式的輸出是複合型別 sentiment_analysis_result。 型別的結構為：
Column | Type
----------------+------------------
sentiment | text
positive_score | double precision
neutral_score | double precision
negative_score | double precision
複合型別包含輸入文字的情緒預測。 它包含了情感分析，這些情感可以是正面、負面、中性或混合，並提供了文字中發現的正面、中性和負面方面的分數。 分數會以介於 0 到 1 之間的實數表示。 例如，在 中性、0.26、0.64、0.09 中，情感是中性，正面分數為 0.26、中性為 0.64，負於 0.09。
函數會將情感標籤（正面、負面或中性）指派給個別句子或整個文件。 這些標籤會指出文字中表達的情感語氣。 它會傳回信賴分數以及情感標籤，代表模型對其預測的信心。
情感分析的優點
- 瞭解客戶意見反應：分析評論、社交媒體文章、問卷等。
- 監視品牌信譽：追蹤一段時間的情感趨勢。
- 個人化用戶體驗：根據使用者情感調整內容。