Analýza mínění pomocí Azure Stream Analytics a Machine Learning Studia (classic)

Tento článek popisuje, jak nastavit jednoduchou úlohu Azure Stream Analytics, která používá Machine Learning Studio (klasické) pro analýzu mínění. Pomocí modelu studio (klasické) analýzy mínění z galerie Cortana Intelligence můžete analyzovat streamovaná textová data a určit skóre mínění.

To, co se naučíte z tohoto článku, můžete použít například v těchto scénářích:

• Analýza mínění v reálném čase u streamovaných dat Twitteru
• Analýza záznamů zákaznických chatů s pracovníky podpory
• Hodnocení komentářů na fórech, blozích a videích
• Mnoho dalších scénářů prediktivního bodování v reálném čase.

Úloha Streaming Analytics, kterou vytvoříte, aplikuje model analýzy mínění jako uživatelem definovanou funkci (UDF) na ukázková textová data z úložiště objektů blob. Výstup (výsledek analýzy mínění) se zapisovat do stejného úložiště objektů blob v jiném souboru CSV.

Požadavky

Než začnete, ujistěte se, že jste provedli následující akce:

• Musíte mít aktivní předplatné Azure.

• Soubor CSV s daty Twitteru. Ukázkový soubor si můžete stáhnout z GitHubnebo si můžete vytvořit vlastní soubor. Ve skutečném scénáři byste data získejte přímo z datového streamu Twitteru.

Vytvoření kontejneru úložiště a nahrání vstupního souboru CSV

V tomto kroku nahrajete soubor CSV do kontejneru úložiště.

1. V Azure Portal vyberte Vytvořit prostředek Storage Storage > > účtu.

2. Na kartě Základy vyplňte následující podrobnosti a ponechte výchozí hodnoty pro zbývající pole:

   Pole	Hodnota
   Předplatné	Zvolte vaše předplatné.
   Skupina prostředků	Zvolte skupinu prostředků.
   Název účtu úložiště	Zadejte název účtu úložiště. Název musí být v rámci Azure jedinečný.
   Umístění	Zvolte umístění. Všechny prostředky by měly používat stejné umístění.
   Druh účtu	Blob Storage

   

3. Vyberte Zkontrolovat a vytvořit. Pak vyberte Vytvořit a nasaďte svůj účet úložiště.

4. Po dokončení nasazení přejděte do svého účtu úložiště. V části Blob service vyberte Kontejnery. Pak vyberte + Kontejner a vytvořte nový kontejner.

   

5. Zadejte název kontejneru a ověřte, že úroveň veřejného přístupu je nastavená na Privátní. Po dokončení vyberte Vytvořit.

   

6. Přejděte k nově vytvořenému kontejneru a vyberte Upload. Upload soubor sampleinput.csv, který jste stáhli dříve.

   

Přidání modelu analýzy mínění z galerie Cortana Intelligence

Teď, když jsou ukázková data v objektu blob, můžete povolit model analýzy mínění v Cortana Intelligence Gallery.

1. Přejděte na stránku modelu prediktivní analýzy mínění v galerii Cortana Intelligence.

2. Vyberte Otevřít v sadě Studio (Classic).

   

3. Přihlaste se a přejděte do pracovního prostoru. Vyberte umístění.

4. V dolní části stránky vyberte Spustit. Proces se spustí, což trvá přibližně minutu.

   

5. Po úspěšném spuštění procesu vyberte Nasadit webovou službu v dolní části stránky.

   

6. Pokud chcete ověřit, že je model analýzy mínění připravený k použití, vyberte tlačítko Test. Zadejte textový vstup, například "I love Microsoft" (Mám Microsoft rádi).

   

   Pokud test funguje, zobrazí se výsledek podobný následujícímu příkladu:

   

7. Ve sloupci Aplikace vyberte odkaz na sešit Excel 2010 nebo starší a stáhněte si Excel sešit. Sešit obsahuje klíč rozhraní API a adresu URL, které budete později potřebovat k nastavení Stream Analytics úlohy.

   

Vytvoření úlohy Stream Analytics, která používá model Studio (classic)

Teď můžete vytvořit novou úlohu Stream Analytics, která přečte ukázkové tweety ze souboru CSV v úložišti objektů blob.

Vytvoření úlohy

Přejděte do Azure Portal a vytvořte Stream Analytics úlohy. Pokud tento proces ještě nevíte, podívejte se na Stream Analytics vytvoření úlohy Azure Portal.

Konfigurace vstupu úlohy

Úloha získá vstup ze souboru CSV, který jste dříve nahráli do úložiště objektů blob.

1. Přejděte na úlohu Stream Analytics. V části Topologie úlohy vyberte možnost Vstupy. Vyberte Add Stream Input Blob storage (Přidat vstupní > úložiště objektů blob streamu).

2. Vyplňte podrobnosti o Storage blob následujícími hodnotami:

   Pole	Hodnota
   Alias vstupu	Zadejte název vstupu. Tento alias si zapamatovat při psaní dotazu.
   Předplatné	Vyberte své předplatné.
   Účet úložiště	Vyberte účet úložiště, který jste provedli v předchozím kroku.
   Kontejner	Vyberte kontejner, který jste vytvořili v předchozím kroku.
   Formát serializace události	CSV

3. Vyberte Uložit.

Konfigurace výstupu úlohy

Úloha odesílá výsledky do stejného úložiště objektů blob, kde získává vstup.

1. Přejděte na úlohu Stream Analytics. V části Topologie úlohy vyberte možnost Výstupy. Vyberte Přidat úložiště objektů > blob.

2. do formuláře Blob Storage zadejte tyto hodnoty:

   Pole	Hodnota
   Alias vstupu	Zadejte název. Tento alias si zapamatujte při psaní dotazu.
   Předplatné	Vyberte své předplatné.
   Účet úložiště	Vyberte účet úložiště, který jste provedli v předchozím kroku.
   Kontejner	Vyberte kontejner, který jste vytvořili v předchozím kroku.
   Formát serializace události	CSV

3. Vyberte Uložit.

Přidat funkci studia (Classic)

Dříve jste publikovali model studia (Classic) do webové služby. Pokud se v tomto scénáři spustí úloha analýzy streamu, pošle Každá ukázka z vstupu do webové služby pro analýzu mínění. Webová služba Studio (Classic) vrací mínění ( positive , neutral nebo negative ) a pravděpodobnost, že se na něj klade pozitivní.

V této části definujete funkci v úloze Stream Analysis. Funkci lze vyvolat pro odeslání přípravku do webové služby a získání odpovědi zpět.

1. ujistěte se, že máte adresu URL webové služby a klíč rozhraní API, které jste si stáhli dříve v Excel sešitu.

2. Přejděte na úlohu Stream Analytics. pak vyberte funkce > + přidat > Azure ML Studio

3. do formuláře Azure Machine Learning funkce zadejte následující hodnoty:

   Pole	Hodnota
   Alias funkce	použijte název sentiment a vyberte možnost zadat Azure Machine Learning nastavení funkce ručně, což vám umožní zadat adresu URL a klíč.
   URL	Vložte adresu URL webové služby.
   Klíč	Vložte klíč rozhraní API.

4. Vyberte Uložit.

Vytvoření dotazu pro transformaci dat

Stream Analytics používá deklarativní dotaz založený na SQL k prohlédnutí vstupu a jeho zpracování. V této části vytvoříte dotaz, který načte jednotlivé operace ze vstupu a potom vyvolá funkci studia (Classic), která provede analýzu mínění. Dotaz pak odešle výsledek do výstupu, který jste definovali (BLOB Storage).

1. Vraťte se do přehledu úlohy Stream Analytics.

2. V části topologie úlohy vyberte možnost dotaz.

3. Zadejte následující dotaz:

   WITH sentiment AS (  
   SELECT text, sentiment1(text) as result 
   FROM <input>  
   )  
   
   SELECT text, result.[Score]  
   INTO <output>
   FROM sentiment  
   

   Dotaz vyvolá funkci, kterou jste vytvořili dříve ( sentiment ) pro provedení analýzy mínění na všech prodaných prodaných ve vstupu.

4. Vyberte Uložit a dotaz uložte.

Spuštění úlohy Stream Analytics a kontrola výstupu

Nyní můžete spustit úlohu Stream Analytics.

Spuštění úlohy

1. Vraťte se do přehledu úlohy Stream Analytics.

2. v horní části stránky vyberte Start .

3. V nabídce spustit úlohu vyberte možnost vlastní a potom vyberte jeden den před odesláním souboru CSV do úložiště objektů BLOB. Jakmile budete mít hotovo, vyberte Spustit.

Kontrolovat výstup

1. Nechejte úlohu běžet po dobu několika minut, dokud se nezobrazí aktivita v poli sledování .

2. Pokud máte nástroj, který běžně používáte k prohlédnutí obsahu úložiště objektů blob, použijte tento nástroj k prohlédnutí kontejneru. Případně proveďte následující kroky v Azure Portal:

   1. V Azure Portal Najděte svůj účet úložiště a v rámci účtu Najděte kontejner. V kontejneru vidíte dva soubory: soubor obsahující ukázkovou tweety a soubor CSV vygenerovaný úlohou Stream Analytics.
   2. Klikněte pravým tlačítkem na vygenerovaný soubor a pak vyberte Stáhnout.

3. Otevřete generovaný soubor CSV. Uvidíte něco jako v následujícím příkladu:

   

Zobrazit metriky

Můžete také zobrazit metriky související s funkcí studia (Classic). Následující metriky související s funkcí se zobrazí v okně monitorování úlohy přehled:

• Žádosti o funkce označují počet požadavků odeslaných do webové služby studia (Classic).
• Události funkcí označují počet událostí v žádosti. Ve výchozím nastavení každý požadavek na webovou službu studia (Classic) obsahuje až 1 000 událostí.

Další kroky

• Úvod do Azure Stream Analytics
• Referenční příručka k jazyku Azure Stream Analytics Query Language
• integrace REST API a Machine Learning studia (classic)
• Referenční příručka k rozhraní REST API pro správu služby Azure Stream Analytics