Questions fréquentes (FAQ) sur l’API Analyse de texte de Cognitive ServiceFrequently Asked Questions (FAQ) about the Text Analytics Cognitive Service

Trouvez les réponses aux questions fréquemment posées sur les concepts, codes et scénarios relatifs à l’API Analyse de texte pour Microsoft Cognitive Services sur Azure.Find answers to commonly asked questions about concepts, code, and scenarios related to the Text Analytics API for Microsoft Cognitive Services on Azure.

L’analyse de texte permet-elle de repérer le sarcasme ?Can Text Analytics identify sarcasm?

L’analyse concerne les sentiments négatifs et positifs plutôt que la détection de l’humeur.Analysis is for positive-negative sentiment rather than mood detection.

Il y a toujours une certaine imprécision dans l’analyse des sentiments, mais le modèle est particulièrement efficace lorsqu’il n’existe aucun sous-entendu dans le contenu.There is always some degree of imprecision in sentiment analysis, but the model is most useful when there is no hidden meaning or subtext to the content. L’ironie, le sarcasme, l’humeur et tout contenu nuancé reposent sur un contexte culturel et des normes.Irony, sarcasm, humor, and similarly nuanced content rely on cultural context and norms to convey intent. Ce type de contenu est parmi les plus difficiles à analyser.This type of content is among the most challenging to analyze. En règle générale, le plus grand écart entre un score donné produit par l’analyseur et une évaluation subjective par un être humain concerne le contenu nuancé.Typically, the greatest discrepancy between a given score produced by the analyzer and a subjective assessment by a human is for content with nuanced meaning.

Puis-je ajouter mes propres données de formation ou mes propres modèles ?Can I add my own training data or models?

Non, les modèles sont préintégrés.No, the models are pretrained. Les seules opérations disponibles sur les données téléchargées sont le calcul du score, l’extraction d’expressions clés et la détection de la langue.The only operations available on uploaded data are scoring, key phrase extraction, and language detection. Nous n’hébergeons pas de modèles personnalisés.We do not host custom models. Si vous souhaitez créer et héberger des modèles de Machine Learning personnalisés, tournez-vous vers les modèles de Machine Learning de Microsoft R Server.If you want to create and host custom machine learning models, consider the machine learning capabilities in Microsoft R Server.

Puis-je demander des langues supplémentaires ?Can I request additional languages?

L’analyse des sentiments et l’extraction des expressions clés sont disponibles pour un certain nombre de langues.Sentiment analysis and key phrase extraction are available for a select number of languages. Le traitement du langage naturel est complexe et nécessite de nombreux tests avant de pouvoir publier de nouvelles fonctionnalités.Natural language processing is complex and requires substantial testing before new functionality can be released. Pour cette raison, nous évitons d’annoncer une prise en charge à l’avance, afin que personne n’attende une fonctionnalité dont le développement nécessite plus de temps que prévu.For this reason, we avoid pre-announcing support so that no one takes a dependency on functionality that needs more time to mature.

Pour nous aider à hiérarchiser les langues à ajouter, votez pour des langues spécifiques sur User Voice.To help us prioritize which languages to work on next, vote for specific languages on User Voice.

Pourquoi l’extraction d’expressions clés renvoie-t-elle certains mots, mais pas d’autres ?Why does key phrase extraction return some words but not others?

L’extraction des expressions clés élimine les mots non essentiels et les adjectifs isolés.Key phrase extraction eliminates non-essential words and standalone adjectives. Les combinaisons adjectif-nom, telles que « vues spectaculaires » ou « temps brumeux », sont renvoyées ensemble.Adjective-noun combinations, such as "spectacular views" or "foggy weather" are returned together.

En règle générale, la sortie se compose des noms et des objets de la phrase.Generally, output consists of nouns and objects of the sentence. La sortie est classée par ordre d’importance, la première expression étant la plus importante.Output is listed in order of importance, with the first phrase being the most important. L’importance est mesurée par le nombre de fois où un concept spécifique est mentionné, ou par la relation de cet élément avec d’autres éléments dans le texte.Importance is measured by the number of times a particular concept is mentioned, or the relation of that element to other elements in the text.

Pourquoi la sortie varie-t-elle même si les entrées sont identiques ?Why does output vary, given identical inputs?

Les améliorations apportées aux modèles et aux algorithmes sont annoncées lorsque la modification est importante ou si elle est intégrée en mode silencieux dans le service lorsque la mise à jour est mineure.Improvements to models and algorithms are announced if the change is major, or quietly slipstreamed into the service if the update is minor. Au fil du temps, vous pourrez constater que les mêmes entrées de texte engendrent un autre score de sentiment ou une sortie d’expressions clés différente.Over time, you might find that the same text input results in a different sentiment score or key phrase output. Il s’agit d’une conséquence normale et intentionnelle de l’utilisation des ressources de Machine Learning dans le cloud.This is a normal and intentional consequence of using managed machine learning resources in the cloud.

Étapes suivantesNext steps

Votre question concerne-t-elle une fonctionnalité manquante ?Is your question about a missing feature or functionality? Demandez-la ou votez pour elle sur notre site web UserVoice.Consider requesting or voting for it on our UserVoice web site.

Voir aussiSee also

StackOverflow : API Analyse de texte StackOverflow: Text Analytics API
StackOverflow : Cognitive ServicesStackOverflow: Cognitive Services