Cara: Gunakan Analisis Sentimen dan Penggalian Opini
Analisis sentimen dan penambangan opini adalah dua cara untuk mendeteksi sentimen positif dan negatif. Dengan menggunakan analisis sentimen, Anda bisa mendapatkan label sentimen (seperti skor "negatif", "netral" dan "positif") dan kepercayaan pada kalimat dan tingkat dokumen. Opinion Mining memberikan informasi terperinci tentang pendapat yang terkait dengan kata-kata (seperti atribut produk atau layanan) dalam teks.
Analisis Sentimen
Analisis Sentimen menerapkan label sentimen ke teks, yang dikembalikan pada tingkat kalimat dan dokumen, dengan skor kepercayaan diri untuk masing-masing label.
Label positif, negatif, dan netral. Di tingkat dokumen, label sentimen campuran juga dapat dikembalikan. Sentimen dokumen ditentukan di bawah ini:
| Sentimen kalimat | Label dokumen yang dikembalikan |
|---|---|
Setidaknya ada positive satu kalimat dalam dokumen. Sisa kalimatnya adalah neutral. |
positive |
Setidaknya ada satu negative kalimat dalam dokumen. Sisa kalimatnya adalah neutral. |
negative |
Setidaknya satu negative kalimat dan setidaknya satu positive kalimat ada dalam dokumen. |
mixed |
Semua kalimat dalam dokumen adalah neutral. |
neutral |
Skor kepercayaan diri berkisar antara 1 hingga 0. Skor mendekati 1 menunjukkan kepercayaan diri yang lebih tinggi pada klasifikasi label, sementara skor yang lebih rendah menunjukkan kepercayaan diri yang lebih rendah. Untuk setiap dokumen atau setiap kalimat, skor yang diprediksi terkait dengan label (positif, negatif, dan netral) menambahkan hingga 1. Untuk informasi selengkapnya, lihat catatan transparansi Responsible AI.
Penambangan opini
Opinion Mining adalah fitur dari Analisis Sentimen. Juga dikenal sebagai Analisis Sentimen Berbasis Aspek dalam Pemrosesan Bahasa Alami (NLP), fitur ini memberikan informasi yang lebih terperinci tentang opini yang terkait dengan kata (seperti atribut produk atau layanan) dalam teks. API menampilkan opini sebagai target (kata benda atau kata kerja) dan penilaian (kata sifat).
Misalnya, jika pelanggan meninggalkan umpan balik tentang hotel seperti "Ruangan itu hebat, tetapi stafnya tidak ramah.", Opinion Mining akan menemukan target (aspek) dalam teks, dan penilaian (pendapat) dan sentimen terkait mereka. Analisis Sentimen mungkin hanya melaporkan sentimen negatif.
Jika Anda menggunakan REST API, untuk mendapatkan Opinion Mining dalam hasil Anda, Anda harus menyertakan bendera opinionMining=true dalam permintaan analisis sentimen. Hasil Opinion Mining akan dimasukkan dalam respon analisis sentimen. Opinion Mining adalah perpanjangan dari Analisis Sentimen dan termasuk dalam tingkat harga Anda saat ini.
Opsi pengembangan
Untuk menggunakan analisis sentimen, Anda mengirimkan teks mentah yang tidak terstruktur untuk analisis dan menangani output API di aplikasi Anda. Analisis dilakukan sebagaimana adanya, tanpa penyesuaian tambahan untuk model yang digunakan pada data Anda. Ada dua cara untuk menggunakan analisis sentimen:
| Opsi pengembangan | Deskripsi |
|---|---|
| Studio bahasa | Language Studio adalah platform berbasis web yang memungkinkan Anda mencoba penautan entitas dengan contoh teks tanpa akun Azure, dan data Anda sendiri saat mendaftar. Untuk informasi selengkapnya, lihat mulai cepat situs web Language Studio atau studio bahasa. |
| REST API atau Pustaka Klien (Azure SDK) | Integrasikan analisis sentimen ke dalam aplikasi Anda menggunakan REST API, atau pustaka klien yang tersedia dalam berbagai bahasa. Untuk informasi selengkapnya, lihat mulai cepat analisis sentimen. |
| Kontainer Docker | Gunakan kontainer Docker yang tersedia untuk menyebarkan fitur ini di lokal. Dengan kontainer docker ini, Anda dapat mendekatkan layanan ke data Anda untuk kebutuhan kepatuhan, keamanan, atau kebutuhan operasional lainnya. |
Menentukan cara memproses data (opsional)
Tentukan model analisis sentimen
Secara default, analisis sentimen akan menggunakan model AI terbaru yang tersedia pada teks Anda. Anda juga dapat mengonfigurasi permintaan API untuk menggunakan versi model tertentu.
Bahasa input
Ketika Anda mengirimkan dokumen untuk diproses oleh analisis sentimen, Anda dapat menentukan bahasa mana yang didukung dalam dokumen. Jika Anda tidak menentukan bahasa, analisis sentimen akan default ke bahasa Inggris. API dapat menampilkan offset dalam respons untuk mendukung pengodean multibahasa dan emoji yang berbeda.
Mengirimkan data
Analisis sentimen dan penggalian opini menghasilkan hasil berkualitas lebih tinggi ketika Anda memberikannya jumlah teks yang lebih kecil untuk dikerjakan. Hal ini berlawanan dengan beberapa fitur, seperti ekstraksi frasa kunci, yang memiliki performa yang lebih baik pada blok teks yang lebih besar.
Untuk mengirim permintaan API, Anda memerlukan titik akhir dan kunci sumber daya Bahasa.
Catatan
Anda dapat menemukan kunci dan titik akhir untuk sumber daya Bahasa Anda di portal Microsoft Azure. Kunci dan titik akhir tersebut berada di halaman Kunci dan titik akhir sumber daya, pada manajemen sumber daya.
Analisis dilakukan setelah menerima permintaan. Menggunakan analisis sentimen dan fitur penambangan opini secara sinkron tidak memiliki kewarganegaraan. Tidak ada data yang disimpan di akun Anda, dan hasilnya segera dikembalikan sebagai respons.
Saat menggunakan fitur ini secara asinkron, hasil API tersedia selama 24 jam sejak permintaan diserap, dan ditunjukkan dalam respons. Setelah jangka waktu ini, hasilnya akan dihapus menyeluruh dan tidak lagi tersedia untuk diambil.
Mendapatkan analisis sentimen dan hasil penggalian opini
Ketika Anda menerima hasil dari API, urutan frasa kunci yang ditampilkan ditentukan secara internal oleh model. Anda dapat mengalirkan hasilnya ke aplikasi, atau menyimpan output ke file di sistem lokal.
Analisis sentimen mengembalikan label sentimen dan skor kepercayaan diri untuk seluruh dokumen, dan setiap kalimat di dalamnya. Skor mendekati 1 menunjukkan kepercayaan diri yang lebih tinggi pada klasifikasi label, sementara skor yang lebih rendah menunjukkan kepercayaan diri yang lebih rendah. Dokumen bisa memiliki beberapa kalimat, dan skor keyakinan dalam setiap dokumen atau kalimat ditambahkan hingga 1.
Opinion Mining akan menemukan target (kata benda atau kata kerja) dalam teks, dan penilaian terkait (kata sifat). Misalnya, kalimat "Restoran memiliki makanan enak dan server kami ramah" memiliki dua target: makanan dan server. Setiap target memiliki penilaian. Misalnya, penilaian untuk makanan akan sangat bagus, dan penilaian untuk server akan ramah.
API menampilkan opini sebagai target (kata benda atau kata kerja) dan penilaian (kata sifat).
Batas layanan dan data
Untuk informasi tentang ukuran dan jumlah permintaan yang dapat Anda kirim per menit dan per detik, lihat artikel batasan layanan.