Metin Analizi API'si nedir?What is the Text Analytics API?

Metin Analizi API'si, metin madenciliği ve metin analizi için doğal dil Işleme (NLP) özellikleri sağlayan bulut tabanlı bir hizmettir: yaklaşım analizi, bakım madenciliği, anahtar tümceciği ayıklama, dil algılama ve adlandırılmış varlık tanıma.The Text Analytics API is a cloud-based service that provides Natural Language Processing (NLP) features for text mining and text analysis, including: sentiment analysis, opinion mining, key phrase extraction, language detection, and named entity recognition.

API, geliştirme projeleriniz için bulutta makine öğrenimi ve AI algoritmaları koleksiyonu olan Azure bilişsel Hizmetler'in bir parçasıdır.The API is a part of Azure Cognitive Services, a collection of machine learning and AI algorithms in the cloud for your development projects. Bu özellikleri REST APIveya istemci kitaplığıylabirlikte kullanabilirsiniz.You can use these features with the REST API, or the client library.

Yaklaşım analiziSentiment analysis

Yaklaşım analizini kullanın ve olumlu veya olumsuz yaklaşım hakkında ipuçları için metni inceleyerek markanızı veya konuyu düşündüğünü öğrenin.Use sentiment analysis and find out what people think of your brand or topic by mining the text for clues about positive or negative sentiment. Bu API özelliği her belge için 0 ile 1 arasında bir yaklaşım puanı, 1 ise en pozitif bir değer döndürür.This API feature returns a sentiment score between 0 and 1 for each document, where 1 is the most positive.

V 3.1 önizlemeden başlayarak, görüşme madenciliği bir Yaklaşım Analizi özelliğidir.Starting in the v3.1 preview, opinion mining is a feature of Sentiment Analysis. Doğal dil Işlemede (NLP) en boy tabanlı Yaklaşım Analizi olarak da bilinen bu özellik, metinle ilgili, özelliklerle (ürünlerin veya hizmetlerin öznitelikleri gibi) ilgili daha ayrıntılı bilgiler sağlar.Also known as Aspect-based Sentiment Analysis in Natural Language Processing (NLP), this feature provides more granular information about the opinions related to aspects (such as the attributes of products or services) in text.

Anahtar ifade ayıklamaKey phrase extraction

Metindeki ana kavramları hızlıca tanımlamak için anahtar tümceciği ayıklama kullanın.Use key phrase extraction to quickly identify the main concepts in text. Örneğin, "gıda merak ediyor ve harika personel vardı" metninde Anahtar İfade Ayıklama ana konuşmanoktaları döndürür: "yiyecek" ve "harika personel".For example, in the text "The food was delicious and there were wonderful staff", Key Phrase Extraction will return the main talking points: "food" and "wonderful staff".

Dil algılamaLanguage detection

Dil algılama, bir giriş metninin yazıldığı dili algılayabilir ve çok çeşitli diller, çeşitler, diapacts ve bazı bölgesel/kültürel dillerinde istek üzerine gönderilen her belge için tek bir dil kodu rapor edebilir.Language detection can detect the language an input text is written in and report a single language code for every document submitted on the request in a wide range of languages, variants, dialects, and some regional/cultural languages. Dil kodu bir güvenirlik puanı ile eşleştirilmiş.The language code is paired with a confidence score.

Adlandırılmış varlık tanımaNamed entity recognition

Adlandırılmış varlık tanıma (NER), kişiler, konumlar, kuruluşlar, miktarlar ve Iyi bilinen varlıkların de tanınabilmesi ve Web üzerinde daha fazla bilgi ile bağlanması halinde, metinlerinizde varlıkları tanımlayabilir ve kategorilere ayırabilirsiniz .Named Entity Recognition (NER) can Identify and categorize entities in your text as people, places, organizations, quantities, Well-known entities are also recognized and linked to more information on the web.

Kapsayıcıları kullanmaUse containers

Metin analizi kapsayıcıları, araştırma METNI ve API 'yi kullanarak bir şirket içi çözüm olarak kullanın.Use the Text Analytics containers as an on-premises solution for mining text and using the API. Bu Docker kapsayıcıları, önemli ifadeleri ayıklamanızı, dili tespit etmeyi ve verilerinize yakın yaklaşımı analiz etmenize olanak tanır.These Docker containers enable you to extract key phrases, detect language, and analyze sentiment closer to your data.

Tipik iş akışıTypical workflow

İş akışı basittir. Analiz edilecek verileri gönderir ve çıktıları kodunuzda işlersiniz.The workflow is simple: you submit data for analysis and handle outputs in your code. Çözümleyiciler olduğu gibi kullanılır, ek yapılandırma veya özelleştirme gerçekleştirilmez.Analyzers are consumed as-is, with no additional configuration or customization.

  1. Metin Analizi için bir Azure kaynağı oluşturun .Create an Azure resource for Text Analytics. Daha sonra, isteklerinizin kimlik doğrulaması için sizin için oluşturulan anahtarı alın .Afterwards, get the key generated for you to authenticate your requests.

  2. JSON biçiminde verilerinizi yapılandırılmamış ham metin olarak içeren bir istek düzenleyin.Formulate a request containing your data as raw unstructured text, in JSON.

  3. Kayıt sırasında, istenen kaynak: yaklaşım analizi, anahtar ifade ayıklama, dil algılama veya adlandırılmış varlık tanıma gibi bir istek noktasına isteği gönderin.Post the request to the endpoint established during sign-up, appending the desired resource: sentiment analysis, key phrase extraction, language detection, or named entity recognition.

  4. Yanıtın akışını yapın veya yerel ortamda depolayın.Stream or store the response locally. Gönderilen isteğe bağlı olarak sonuçlar yaklaşım puanı, ayıklanan anahtar ifadelerden oluşan bir koleksiyon veya dil kodu olacaktır.Depending on the request, results are either a sentiment score, a collection of extracted key phrases, or a language code.

Çıktı tek bir JSON belgesi olarak döndürülür ve kimlikle birlikte gönderdiğiniz tüm metin belgelerinin sonucunu içerir.Output is returned as a single JSON document, with results for each text document you posted, based on ID. Sonuçları daha sonra analiz ederek, görselleştirerek veya kategorilere ayırarak eyleme dönüştürülebilir içgörüler elde edebilirsiniz.You can subsequently analyze, visualize, or categorize the results into actionable insights.

Veriler hesabınızda depolanmaz.Data is not stored in your account. Metin Analizi API'si tarafından gerçekleştirilen işlemlerde durum bilgisi yoktur. Başka bir deyişle sağladığınız metin işlenir ve sonuçlar anında döndürülür.Operations performed by the Text Analytics API are stateless, which means the text you provide is processed and results are returned immediately.

Birden çok programlama deneyimi düzeyi için Metin AnaliziText Analytics for multiple programming experience levels

Programlamada çok fazla deneyim olmasa bile, işlemlerinizde Metin Analizi API'si kullanmaya başlayabilirsiniz.You can start using the Text Analytics API in your processes, even if you don't have much experience in programming. API 'yi, deneyim düzeyinize uygun yollarla farklı şekillerde çözümlemek için nasıl kullanabileceğinizi öğrenmek için bu öğreticileri kullanın.Use these tutorials to learn how you can use the API to analyze text in different ways to fit your experience level.

Desteklenen dillerSupported languages

Bu bölüm, daha kolay bulunmasını sağlama amacıyla başka bir makaleye taşınmıştır.This section has been moved to a separate article for better discoverability. Bu içerik için Metin Analizi API'si desteklenen diller bölümüne bakın.Refer to Supported languages in the Text Analytics API for this content.

Veri sınırlarıData limits

Tüm Metin Analizi API'si uç noktaları ham metin verisi kabul eder.All of the Text Analytics API endpoints accept raw text data. Daha fazla bilgi için veri sınırları makalesine bakın.See the Data limits article for more information.

Unicode kodlamaUnicode encoding

Metin Analizi API'si, metin gösterimi ve karakter sayısı hesaplamaları için Unicode kodlamasını kullanır.The Text Analytics API uses Unicode encoding for text representation and character count calculations. İstekler UTF-8 ve UTF-16 olarak gönderilebilir, karakter sayısında fark olmayacaktır.Requests can be submitted in both UTF-8 and UTF-16 with no measurable differences in the character count. Karakter uzunluğu için Unicode kod noktaları buluşsal değer olarak kullanılır ve metin analizi veri sınırları için eşdeğer kabul edilir.Unicode codepoints are used as the heuristic for character length and are considered equivalent for the purposes of text analytics data limits. StringInfo.LengthInTextElementsKarakter sayısını almak için kullanırsanız, veri boyutunu ölçmek için kullandığımız yöntemi de kullanıyorsunuz.If you use StringInfo.LengthInTextElements to get the character count, you are using the same method we use to measure data size.

Sonraki adımlarNext steps