Mi a hangulatelemzés és a véleménybányászat?

A hangulatelemzés és a véleménybányászat a Language Service által kínált funkciók, amely gépi tanulási és AI-algoritmusok gyűjteménye a felhőben az írott nyelvet használó intelligens alkalmazások fejlesztéséhez. Ezek a funkciók segítenek kideríteni, hogy az emberek mit gondolnak a márkáról vagy a témáról, ha szöveget bányásznak a pozitív vagy negatív hangulatról, és társíthatják őket a szöveg bizonyos aspektusaival.

Mind a hangulatelemzés, mind a véleménybányászat számos írott nyelvvel működik.

Hangulatelemzés

A hangulatelemzési funkció hangulatcímkéket (például "negatív", "semleges" és "pozitív") biztosít a szolgáltatás által egy mondatban és dokumentumszinten talált legmagasabb megbízhatósági pontszám alapján. Ez a funkció emellett 0 és 1 közötti megbízhatósági pontszámot ad vissza az egyes dokumentumok és mondatok esetében a pozitív, semleges és negatív hangulat érdekében.

Véleménybányászat

A véleménybányászat a hangulatelemzés egyik jellemzője. Ez a funkció a természetes nyelvi feldolgozás (NLP) aspektusalapú hangulatelemzéseként is ismert, amely részletesebb információkat nyújt a szavakhoz (például a termékek vagy szolgáltatások attribútumaihoz) kapcsolódó véleményekről a szövegben.

Előre összeállított modell

Jellemző munkafolyamat

A funkció használatához adatokat kell küldenie elemzéshez, és kezelnie kell az api-kimenetet az alkalmazásban. Az elemzés az adott módon történik, és nincs hozzá további testreszabás az adatokhoz használt modellhez.

1. Hozzon létre egy Azure AI Language-erőforrást, amely hozzáférést biztosít az Azure AI Language által kínált funkciókhoz. Létrehoz egy jelszót (egy kulcsot) és egy végponti URL-címet, amelyet az API-kérések hitelesítéséhez használ.

2. Hozzon létre egy kérést a REST API vagy a C#, Java, JavaScript és Python ügyfélkódtár használatával. Aszinkron hívásokat kötegkéréssel is küldhet, így több funkció API-kéréseit egyetlen hívásba egyesítheti.

3. Küldje el a szöveges adatokat tartalmazó kérést. A rendszer a kulcsot és a végpontot használja a hitelesítéshez.

4. A válasz streamelhető vagy helyileg is tárolható.

A hangulatelemzés első lépései

A hangulatelemzés használatához nyers strukturálatlan szöveget kell küldenie elemzéshez, és kezelnie kell az API-kimenetet az alkalmazásban. Az elemzés az adott módon történik, az adatokon használt modell további testreszabása nélkül. A hangulatelemzés kétféleképpen használható:

Fejlesztési lehetőség	Leírás
Language Studio	A Language Studio egy webes platform, amellyel azure-fiók nélkül próbálhatja ki a szöveges példákkal összekapcsolt entitásokat, valamint a regisztrációkor a saját adatait. További információt a Language Studio webhelyén vagy a Language Studio rövid útmutatójában talál.
REST API vagy ügyfélkódtár (Azure SDK)	Integrálhatja a hangulatelemzést az alkalmazásokba a REST API vagy a különböző nyelveken elérhető ügyfélkódtár használatával. További információkért tekintse meg a hangulatelemzési rövid útmutatót.
Docker-tároló	A szolgáltatás helyszíni üzembe helyezéséhez használja a rendelkezésre álló Docker-tárolót. Ezek a Docker-tárolók lehetővé teszik, hogy megfelelőségi, biztonsági vagy egyéb működési okokból közelebb hozza a szolgáltatást az adataihoz.

Referenciadokumentáció és kódminták

Ahogy ezt a funkciót az alkalmazásokban használja, tekintse meg a következő referenciadokumentációt és -mintákat az Azure AI-nyelvhez:

Fejlesztési lehetőség / nyelv	Referenciadokumentáció	Példák
REST API	REST API-dokumentáció
C#	C#-dokumentáció	C#-minták
Java	Java-dokumentáció	Java-minták
JavaScript	A JavaScript dokumentációja	JavaScript-minták
Python	Python-dokumentáció	Python-példák

Egyéni modell (előzetes verzió)

Az egyéni hangulatelemzés lehetővé teszi, hogy a felhasználók egyéni AI-modelleket készítsenek a szövegnek a felhasználó által előre meghatározott hangulatokra való besorolásához. Egyéni hangulatelemzési projekt létrehozásával a fejlesztők iteratív módon címkézhetik fel az adatokat, betanítást, kiértékelhetnek és javíthatnak a modell teljesítményének, mielőtt elérhetővé tennék azt felhasználás céljából. A címkézett adatok minősége nagyban befolyásolja a modell teljesítményét. A modell létrehozásának és testreszabásának egyszerűsítése érdekében a szolgáltatás egy egyéni webportált kínál, amely a Language Studióban érhető el. A gyorsútmutató lépéseit követve egyszerűen megkezdheti a szolgáltatást.

Projektfejlesztési életciklus

Egyéni hangulatelemzési projekt létrehozása általában több különböző lépésből áll.

Kövesse az alábbi lépéseket, hogy a lehető legtöbbet hozhassa ki a modellből:

1. A séma meghatározása: Az adatok megismerése és a kívánt hangulatok azonosítása a kétértelműség elkerülése érdekében.

2. Az adatok címkézése: Az adatok címkézésének minősége kulcsfontosságú tényező a modell teljesítményének meghatározásában. Kerülje a kétértelműséget, győződjön meg arról, hogy a hangulatok egyértelműen elválaszthatók egymástól.

3. A modell betanítása: A modell elkezd tanulni a címkézett adatokból.

4. A modell teljesítményének megtekintése: Tekintse meg a modell kiértékelési adatait annak megállapításához, hogy milyen jól teljesít az új adatok bevezetésekor.

5. A modell üzembe helyezése: A modell üzembe helyezése elérhetővé teszi az Analyze API-n keresztül.

6. Szöveg osztályozása: Az egyéni modell használata hangulatelemzési feladatokhoz.

Fejlesztési lehetőségek

Fejlesztési lehetőség	Leírás
Language Studio	A Language Studio egy webes platform, amellyel azure-fiók nélkül próbálhatja ki a szöveges példákkal összekapcsolt entitásokat, valamint a regisztrációkor a saját adatait.
REST API	A hangulatelemzést programozott módon integrálhatja az alkalmazásokba a REST API használatával.

További információkért tekintse meg a hangulatelemzési rövid útmutatót.

Referenciadokumentáció

Az egyéni hangulatelemzés használata során tekintse meg a language szolgáltatás alábbi referenciadokumentációját és mintáit:

Fejlesztési lehetőség / nyelv	Referenciadokumentáció	Példák
REST API-k (szerzői)	REST API-dokumentáció
REST API-k (futtatókörnyezet)	REST API-dokumentáció

Felelős AI

Az AI-rendszerek nem csak a technológiát, hanem az azt használó személyeket, az érintett személyeket és az üzembe helyezett környezetet is magukban foglalják. A hangulatelemzéshez olvassa el az átláthatósági megjegyzést, amelyből megismerheti a felelősségteljes MI-használatot és üzembe helyezést a rendszerekben. További információért az alábbi cikkeket is megtekintheti:

Következő lépések

• A gyorsútmutató cikkek a szolgáltatás első használatára vonatkozó útmutatással.
  • Az előre összeállított modell használata
  • Egyéni modell létrehozása