Sentimentanalyse uitvoeren met Azure Stream Analytics en Machine Learning Studio (klassiek)

In dit artikel wordt beschreven hoe u een eenvoudige Azure Stream Analytics in te stellen die gebruikmaakt van Machine Learning Studio (klassiek) voor sentimentanalyse. U gebruikt een Studio(klassiek) sentimentanalysemodel uit de Cortana Intelligence Gallery om streamingtekstgegevens te analyseren en de gevoelsscore te bepalen.

U kunt wat u in dit artikel leert toepassen op scenario's zoals:

• Realtime sentiment analyseren voor het streamen van Twitter-gegevens.
• Het analyseren van records van klantchats met ondersteuningsmedewerkers.
• Opmerkingen over forums, blogs en video's evalueren.
• Veel andere scenario's voor voorspellende scores in realtime.

Met de Streaming Analytics-taak die u maakt, wordt het sentimentanalysemodel toegepast als een door de gebruiker gedefinieerde functie (UDF) op de voorbeeldtekstgegevens uit de blobopslag. De uitvoer (het resultaat van de sentimentanalyse) wordt naar hetzelfde blob-archief geschreven in een ander CSV-bestand.

Vereisten

Zorg ervoor dat u het volgende hebt voordat u begint:

• Een actief Azure-abonnement.

• Een CSV-bestand met een aantal Twitter-gegevens. U kunt een voorbeeldbestand downloaden van GitHubof u kunt uw eigen bestand maken. In een echt scenario zou u de gegevens rechtstreeks uit een Twitter-gegevensstroom halen.

Een opslagcontainer maken en het CSV-invoerbestand uploaden

In deze stap uploadt u een CSV-bestand naar uw opslagcontainer.

1. Selecteer in Azure Portal de optie Een resourceaccount > Storage > Storage maken.

2. Vul op het tabblad Basisinformatie de volgende gegevens in en laat de standaardwaarden voor de resterende velden staan:

   Veld	Waarde
   Abonnement	Kies uw abonnement.
   Resourcegroep	Kies uw resourcegroep.
   Naam van het opslagaccount	Voer een naam in voor het opslagaccount. De naam moet uniek zijn binnen Azure.
   Locatie	Kies een locatie. Alle resources moeten dezelfde locatie gebruiken.
   Soort account	BlobStorage

   

3. Selecteer Controleren + maken. Selecteer vervolgens Maken om uw opslagaccount te implementeren.

4. Wanneer de implementatie is voltooid, gaat u naar uw opslagaccount. Selecteer onder Blob service de optie Containers. Selecteer vervolgens + Container om een nieuwe container te maken.

   

5. Geef een naam op voor de container en controleer of Openbaar toegangsniveau is ingesteld op Privé. Selecteer Maken als u klaar bent.

   

6. Navigeer naar de zojuist gemaakte container en selecteer Upload. Upload het sampleinput.csv dat u eerder hebt gedownload.

   

Het model voor sentimentanalyse toevoegen vanuit Cortana Intelligence Gallery

Nu de voorbeeldgegevens zich in een blob hebben, kunt u het sentimentanalysemodel inschakelen in Cortana Intelligence Gallery.

1. Ga naar de pagina predictive sentiment analytics model in Cortana Intelligence Gallery.

2. Selecteer Openen in Studio (klassiek).

   

3. Meld u aan om naar de werkruimte te gaan. Selecteer een locatie.

4. Selecteer Uitvoeren onderaan de pagina. Het proces wordt uitgevoerd. Dit duurt ongeveer een minuut.

   

5. Nadat het proces is uitgevoerd, selecteert u Webservice implementeren onderaan de pagina.

   

6. Selecteer de knop Testen om te controleren of het sentimentanalysemodel gereed is voor gebruik. Geef tekstinvoer op, zoals 'I love Microsoft'.

   

   Als de test werkt, ziet u een resultaat dat lijkt op het volgende voorbeeld:

   

7. Selecteer in de kolom Apps de koppeling Excel werkmap 2010 of eerder om een werkmap Excel downloaden. De werkmap bevat de API-sleutel en de URL die u later nodig hebt om de Stream Analytics instellen.

   

Een Stream Analytics taak maken die gebruikmaakt van het Studio-model (klassiek)

U kunt nu een taak Stream Analytics die de voorbeeldtweets uit het CSV-bestand in blobopslag leest.

De taak maken

Ga naar de Azure Portal en maak een Stream Analytics taak. Als u niet bekend bent met dit proces, zie Een Stream Analytics maken met behulp van de Azure Portal.

De taakinvoer configureren

De taak haalt de invoer op uit het CSV-bestand dat u eerder hebt geüpload naar blobopslag.

1. Ga naar de Stream Analytics-taak. Selecteer onder Taaktopologie de optie Invoer. Selecteer Stroominvoerblobopslag > toevoegen.

2. Vul de blobgegevens Storage de volgende waarden in:

   Veld	Waarde
   Invoeralias	Geef uw invoer een naam. Onthoud deze alias voor wanneer u uw query schrijft.
   Abonnement	Selecteer uw abonnement.
   Storage-account	Selecteer het opslagaccount dat u in de vorige stap hebt gemaakt.
   Container	Selecteer de container die u in de vorige stap hebt gemaakt.
   Indeling van gebeurtenisser serialisatie	CSV

3. Selecteer Opslaan.

De taakuitvoer configureren

De taak verzendt resultaten naar dezelfde blobopslag waar deze invoer wordt opgeslagen.

1. Ga naar de Stream Analytics-taak. Selecteer onder Taaktopologie de optie Uitvoer. Selecteer > Blob-opslag toevoegen.

2. Vul het Blob-Storage in met de volgende waarden:

   Veld	Waarde
   Invoeralias	Geef uw invoer een naam. Onthoud deze alias voor wanneer u uw query schrijft.
   Abonnement	Selecteer uw abonnement.
   Storage-account	Selecteer het opslagaccount dat u in de vorige stap hebt gemaakt.
   Container	Selecteer de container die u in de vorige stap hebt gemaakt.
   Serialisatie-indeling van gebeurtenissen	CSV

3. Selecteer Opslaan.

De Studio-functie (klassiek) toevoegen

Eerder hebt u een Studio-model (klassiek) gepubliceerd naar een webservice. In dit scenario, wanneer de Stream Analysis-taak wordt uitgevoerd, verzendt deze elke voorbeeldtweet van de invoer naar de webservice voor sentimentanalyse. De Studio-webservice (klassiek) retourneert een gevoel ( , of ) en de kans dat de positive neutral tweet positief negative is.

In deze sectie definieert u een functie in de Stream Analysis-taak. De functie kan worden aangeroepen om een tweet naar de webservice te verzenden en het antwoord terug te krijgen.

1. Zorg ervoor dat u de URL van de webservice en de API-sleutel hebt die u eerder in de werkmap Excel gedownload.

2. Ga naar de Stream Analytics-taak. Selecteer vervolgens Functies > + Azure ML > Studio

3. Vul het formulier Azure Machine Learning functie in met de volgende waarden:

   Veld	Waarde
   Functiealias	Gebruik de naam sentiment en selecteer Azure Machine Learning functie-instellingen handmatig opgeven, waarmee u de URL en sleutel kunt invoeren.
   URL	Plak de URL van de webservice.
   Sleutel	Plak de API-sleutel.

4. selecteer Opslaan.

Een query maken om de gegevens te transformeren

Stream Analytics maakt gebruik van een declaratieve, SQL query om de invoer te onderzoeken en te verwerken. In deze sectie maakt u een query die elke tweet uit invoer leest en vervolgens de Studio-functie (klassiek) aanroept om sentimentanalyse uit te voeren. De query verzendt vervolgens het resultaat naar de uitvoer die u hebt gedefinieerd (blobopslag).

1. Ga terug naar Stream Analytics taakoverzicht.

2. Selecteer Query onder Taaktopologie.

3. Voer de volgende query in:

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

   De query roept de functie aan die u eerder hebt gemaakt ( ) om sentimentanalyse uit te sentiment voeren op elke tweet in de invoer.

4. Selecteer Opslaan om de query op te slaan.

De Stream Analytics-taak starten en uitvoer controleren

U kunt nu de Stream Analytics starten.

Taak starten

1. Ga terug naar Stream Analytics taakoverzicht.

2. Selecteer Start bovenaan de pagina.

3. Selecteer in Taak starten de optie Aangepast en selecteer een dag vóór het uploaden van het CSV-bestand naar blobopslag. Selecteer Starten als u klaar bent.

De uitvoer controleren

1. Laat de taak een paar minuten uitvoeren totdat u activiteit ziet in het vak Bewaking.

2. Als u een hulpprogramma hebt dat u normaal gesproken gebruikt om de inhoud van blobopslag te onderzoeken, gebruikt u dat hulpprogramma om de container te onderzoeken. U kunt ook de volgende stappen in de Azure Portal:

   1. Zoek in Azure Portal opslagaccount en zoek binnen het account de container. U ziet twee bestanden in de container: het bestand dat de voorbeeldtweets bevat en een CSV-bestand dat is gegenereerd door de Stream Analytics taak.
   2. Klik met de rechtermuisknop op het gegenereerde bestand en selecteer downloaden.

3. Open het gegenereerde CSV-bestand. U ziet iets zoals in het volgende voorbeeld:

   

Metrische gegevens bekijken

U kunt ook metrische gegevens over de functie van Studio (klassiek) bekijken. De volgende functiegerelateerde metrische gegevens worden weergegeven in het vak Bewaking van het taakoverzicht:

• Functieaanvragen geeft het aantal aanvragen aan dat naar een Studio-webservice (klassiek) is verzonden.
• Functiegebeurtenissen geeft het aantal gebeurtenissen in de aanvraag aan. Elke aanvraag voor een Studio-webservice (klassiek) bevat standaard maximaal 1000 gebeurtenissen.

Volgende stappen

• Inleiding tot Azure Stream Analytics
• Naslaggids voor Azure Stream Analytics Query
• Integratie REST API en Machine Learning Studio (klassiek)
• REST API-naslaggids voor Azure Stream Analytics Management